PENGANTAR BIOSTATISTK

STIKes Helvetia Medan

http://www.helvetia.ac.id/elearning
 DESKRIPSI POKOK BAHASAN

• Penerapan prinsip dan metode statistika

dalam bidang kesehatan (Biostatistik)
yang meliputi : pengertian statistik
deskriptif dan inferensial, pengertian
statistik parametrik dan nonparametrik,
serta kegunaan statistika dalam bidang
kesehatan
 DESKRIPSI POKOK BAHASAN

• Data yang meliputi jenis, sifat, sumber dan

karakteristik data. Skala pengukuran data
Populasi, Sampel dan beberapa hitungan
besar sample.
• Pengenalan dan demonstrasi beberapa
perangkat lunak statistikkomputer
 PENGENALAN STATISTIK

Statistika berasal dari kata “Stat” atau

“State” atau “Staat” atau
“Statististica” yang artinya “Ahli
Negara”.
Hal ini dapat dilihat dari perjalanan
sejarah statistik ini muncul pada
pertengahan abad keduapuluh Masehi.
 PENGENALAN STATISTIK

Upaya-upaya pengungkapan
fenomena alamiah yang berkaitan
dengan kepentingan pemerintahan
dan masyarakat manjadikan
statistika sebagai ilmu statistik untuk
terus dikembangkan dengan
bermacam teori dan aplikasinyanya
 PENGENALAN STATISTIK

 Statistika diawali kegiatan yang dilakukan oleh Aristoteles

yang memerintah Romawi untuk menghitung jumlah
kekayaan warganya dalam usaha menarik pajak sebagai
biaya perang.
 Raja Hendry VIII (1538) yang memerintah Inggris Raya,
telah melakukan pencatatan peristiwa kesakitan dan
kematian, akibat adanya wabah penyakit campar (1594)
yang melanda negaranya. Kegiatan ini merupakan awal
perkembangan statistik dalam bidang kehidupan, yang
dikenal dengan “Vital Statistic”.
 PENGENALAN STATISTIK

 Sir Jhon Graunt (1620-1674), dengan “The Bill of Mortality

of City London” merupakan hasil gemilang yang
diperolehnya saat itu. Konklusi penting tentang hubungan
penyakit dan kesehatan dapat diperoleh dengan observasi
terhadap seluruh penduduk, kemudian menemukan “Life
Table”.
 Perjudian (gambling) di Inggris dan perancis yaitu pada abat
ke 17 dalam bentuk permainannya ada “chance” yang
selanjutnya dikembangkan menjadi “Probability Theori”
atau “Teori Peluang” oleh Marquis De Laplace (1749-
1827).
 PENGENALAN STATISTIK

 Karl Friedrich Gaus (1777-1853) melakukan terobosan

besar dengan ditemukannya teori kesalahan kurva distribusi
normal atau kurva distribusi t yang dikenal dengan “The
Normal Curve of Error” atau “The Gaussian Distribution of
Error”.
 Quetelet (1796-1874) disebut juga bapak statistik,
merupakan orang pertama yang melakukan pengumpulan
data (informasi) dengan cara modern. Karya yang
dilakukannya antara lain meliputi statistik terapan,
pelaksanaan sensus, pengembangan keseragaman dan
pengumpulan data, studi perbandingan antar bangsa serta
pelopor terbentuk organisasi Konferensi Internasional Statistik
yang pertama di dunia
 PENGENALAN STATISTIK

 Francis Galton (1822-1911) saudara sepupu Charles

Darwin yang mendalami masalah hereditas dengan
menerapkan cara-cara statistik, dan hasil yang dicapainya
dikenal dengan Korelasi dan Regresi.
 Karl Pearson (1857-1936) menerbitkan suatu jurnal yang
diberi nama Biometrika yang berisi hasil diskusi dari
penelusuran dan penelitian yang dilakukannya. Dari hasil
kegiatan yang dilakukannya tersebut diperoleh suatu teori
baru yang sangat terkenal yaitu “Chi Square Distribution
( 2)”. 2
 PENGENALAN STATISTIK

 Pada abad ke-20 ini orang yang paling tekun mengembangkan

studi statistik adalah William S. Gosset (1876-1937) dengan
hasil temuan “Student t Distribution” dan juga terkenal
karena banyak menulis tentang “Sampel Kecil (Small Sampe
Theory)”.
 R.A. Fisher (1890-1962) yang senantiasa dipengaruhi oleh
pemikiran Karl Pearson dan Student t berserta murid-
muridnya sangat banyak membantu perkembangan statistika,
yaitu dengan mendorong pengguna statistik untuk tetap
menerapkan prosedur-prosedur statistik dalam peneiltian setia
bidang ilmu, terutama dalam bidang ilmu pertanian, biologi dan
genetika.
 PENGENALAN STATISTIK

 J. Newman (1894) dan E. S. Pearson

(1895) pada tahun 1936-1938 mengemukan
“Teori Pengujian Hipotesa”. Teori ini
merangsang sejumlah besar penelitian
menerapkan Statistik Induktif atau Inferensial
dan hasilnya cukup baik dan mempunyai
kegunaan praktis (statistik terapan).
 PENGENALAN STATISTIK

 Dalam perjalanan waktu, lambat laun, arti peran dan fungsi

statistik berubah. Dewasa ini statistik tidak hanya terbatas
pada urusan negara saja, tetapi telah berkembang menjadi
suatu ilmu pengetahuan (statistika) baik murni maupun
terapan yang terus berkembang, tidak hanya pada penemuan
hal-hal yang unik dan baru, demikian juga adanya penerapan
teknik-teknik sedemikian rupa sehingga ketidakpastian
penerapan statistik induksi dapat dievaluasi, sehingga
permasalahan yang muncul terhadap pengamatan-
pengamatan individu atau komunitas, hukum sebab-akibat
tidak jelas dapat digunakan pendekatan yang lebih objektif.
 STATISTIKA

 Statistika adalah cabang ilmu yang sangat populer dan

aplikatif dalam berbagai bidang ilmu, juga sebagai studi
ilmiah mengenai data numerik yang berasal dari fenomena
alami. Oleh karenanya statistika harus dapat memenuhi
kriteria yang dapat diterima secara umum mengenai
keabsahan bukti keilmiahannya. Kita harus selalu objektif
dalam menyajikan dan menilai data, dengan menganut kode
etik metodologi ilmiah. Dengan demikian statistika sebagai
alat untuk menjelaskan dan menguji fenomena-fenomena
riset dapat dipercaya sedemikian rupa.
 STATISTIKA

 Beberapa pemahaman tentang statistika dapat

dijelaskan oleh Edward E. Lewis menyatakan
statistik adalah suatu prosedur ilmiah untuk
mengembang ilmu pengetahuan.
 Croxton F. Cowden menyatakan sebagai suatu
metode untuk mengumpulkan, mengolah,
menyajikan, menganalisa dan
menginterpretasikan data dalam bentuk angka.
 STATISTIKA

 Yule & Kendall menyatakan sebagai

suatu metoda yang digunakan secara
khusus untuk menjelaskan data numerik
(data yang dapat dioperasikan dengan
aritmatika, + - x : dan lainnya) yang
dipengaruhi oleh banyak sebab.
 STATISTIKA

Sedang menurut BPS (Undang-

Undang RI No.7 tahun 1960),
statistik adalah merupakan
keterangan berupa angka-angka yang
memberikan gambaran yang wajar
dari seluruh ciri-ciri kegiatan dan
keadaan masyarakat Indonesia.
 PENGELOMPOKAN STATISTIKA

 Secara umum statistika adalah disiplin ilmu yang

mempelajari metode dan prosedur pengumpulan,
pemgolahan, penyajian, analisa (uji kemaknaan)
dan penyimpulan suatu data mentah, agar
menghasilkan informasi yang lebih jelas untuk
keperluan suatu pendekatan ilmiah (scientific
inferences), dan dapat dikelompokkan menjadi
dua bagian, yaitu statistik deskriptif dan statistik
inferensial.
 PENGELOMPOKAN STATISTIKA

 Statistik deskriptif merupakan metode dan

prosedur statistik yang dipakai hanya terbatas
pada pengumpulan, penyajian dan analisa data
dalam bentuk narasi, tabulasi atau diagram.
Ukuran-ukuran yang dapat dihitung dalam
analisis ini adalah ukuran tendensi sentral dan
ukuran variasi tanpa perlu adanya peramalan
(estimasi) dan pembuktian statistik terhadap
parameter populasi.
 PENGELOMPOKAN STATISTIKA

 Statistik inferensial (induktif) merupakan alat

untuk merancang riset, menganalisis data dan
menarik kesimpulan tentang populasi dari data
sampel. Namun sebelum proses generalisasi
tersebut, kita perlu mengetahui sifat-sifat data
sampel itu sendiri, yang pada gilirannya dapat
menentukan jenis statistik yang digunakan,
apakah statistik parametrik atau non-parametrik
 PENGELOMPOKAN
STATISTIKA
 Pola berfikir yang dipakai dalam inferensi statistik
lebih cenderung induksi dari pada deduksi, yaitu
prosedur yang berkenaan dengan generalisasi dari
khusus ke umum.
 KEGUNAAN STATISTIK

 Ada dua kelompok besar kegunaan statistik

inferensi yang dikenal, yaitu :
(1) membuat pendugaan (estimasi) tentang
parameter populasi, dan
(2) melakukan uji hipotesis tentangkarakteristik
populasi.
 PENGELOMPOKAN STATISTIKA

Prosedur uji inferensial

parametrik dibuat berdasarkan
sejumlah asumsi, diantaranya yang
paling mendasar adalah data
sampel yang digunakan dalam
penelitian berasal dari populasi
beristribusi normal, atau paling tidak
mendekati normal.
 ASUMSI PENGGUNAAN
STATISTIK INDUKTIF
Disamping normalitas distribusi populasi ini, juga dilengkapi
dengan asumsi yang lainnya
(1) pemilihan unit sampel dari populasi secara acak
(random),
(2) pengamatan pada unit observasi independen,
(3) untuk pengamatan pada dua atau lebih unit observasi
dengan varians (ragam) homogen, dan
(4) variabel pengamatan diukur dalam skala interval atau
rasio
 ASUMSI PENGGUNAAN
STATISTIK INDUKTIF
 Sedangkan prosedur pada statistik uji inferensial
non-parametrik dipersiapkan sebagai alternatif
jika asumsi pada statistik parametrik tidak
terpenuhi. Dengan kata lain, statistik non-
parametrik disebut juga bebas distribusi. Hal ini
bisa terjadi, karena statistik non-parametrik tidak
bertujuan menduga atau menguji parameter
populasi, tetapi cukup membandingkan
karakteristik populasi-populasi secara umum.
 ASUMSI PENGGUNAAN
STATISTIK INDUKTIF
 Biostatistik merupakan salah satu aplikasi
konsep dan metode statistika yang
diterapkan pada ilmu biologi, kedokteran,
farmasi dan kesehatan. Sifat aplikatif dari
Biostatistik juga bermanfaat untuk
menganalisis, membuat interprestasi, dan
memahami fakta dan temuan-temuan riset
biologi, kedokteran, farmasi dan kesehatan.
 ASUMSI PENGGUNAAN
STATISTIK INDUKTIF
Demikian juga halnya jika statistika ini
diterapkan pada bidang ilmu lainya,
maka akan diberi nama sesuai bidang
ilmu dimana statistika diterapkan.
 ASUMSI PENGGUNAAN
STATISTIK INDUKTIF
 Dalam bidang administrasi, bidang perencanaan
dan evaluasi serta dalam bidang penelitian.
 Dalam bidang penelitian dapat dimanfaatkan
untuk
 (1) memberikan gambaran tentang suatu objek
secara lengkap dan ringkas
 (2) membandingkan kejadian satu dengan
kejadian lainnya dengan dengan beracuan
pada waktu dan tempat, dan
(3) membuat ramalan pada kejadian yang sama
dimasa yang akan datang.
 DATA STATISTIK

 Defenisi Data
 Data adalah fakta yang dinyatakan dengan
angka (bilangan), baik yang diperoleh dengan
menghitung maupun mengukur. Disamping itu
ada juga data yang hanya bisa diamati, tidak
bisa dihitung dan diukur, data yang seperti ini
disebut dengan data kualitatif. Untuk maksud
tertentu, data kualitatif ini juga bisa disimbolkan
dengan angka (bilangan), dengan demikian
data kualitatif yang sudah disimbolkan dengan
bilangan tadi, dapat dikatakan sebagai data
kuantitatif.
 DATA STATISTIK

 Defenisi Data
 Data berasal dari kata datum, yang berarti banyak data
atau suatu set nilai atau kumpulan fakta yang dicatat dari
satu atau lebih unit pengamatan dan dipakai untuk
keperluan suatu analisis, diskusi, presentasi ilmiah atau
uji statsistik.
 Walaupun statistik dapat diartikan sebagai data
bilangan, namun tidak semua data bilangan dapat
disebut statistik. Jadi, suatu data bilangan dapat
dikatakan statistik bila data tersebut berbentuk angka
yang tersusun teratur (agregat) dan dikelompokkan
menurut aturan tertentu dengan kata lain tidak
bertebaran.
 Jenis Data
 Data kontinu, merupakan variabel numerikal yang
nilainya dapat diukur terus menerus, sampai
sekecil-kecilnya atau merupakan bilangan bulat
dan pecahan. Misalnya nilai Hb darah = 14,20 gr
%, berat badan = 65,75 Kg, dan lain-lain.
 Data diskrit, merupakan variabel numerikal yang
nilai tidak dapat diukur sekecil-kecilnya dan
merupakan satu kesatuan atau merupakan
bilangan bulat, data diskrit dapat bersifat kuantitatif
atau kualitatif. Misalnya jemlah ibu hamil di desa A,
nilai pembobotan pada pengukuran skala likert,
dan lain-lain.
 Sifat Data
 Data kualitatif, yaitu data yang tidak bisa
diukur dan dihitung serta disajikan bukan
dalam bentuk angka. Misalnya : agama,
jenis kelamin, suku bangsa, dan lain-lain.
 Data kuantitatif, yaitu data yang bisa
diukur dan dihitung serta disajikan dalam
bentuk angka. Misalnya Tekanan darah
sistolik, jumlah cakupan imunisasi, dan lain-
lain.
 Sumber Data

 Data primer, yaitu data yang dikumpulkan

sendiri oleh sipeneliti pada saat berlangsung
suatu penelitian.
 Data sekunder, yaitu data yang dikumpulkan
secara rutin oleh instansi tertentu, yang
kemudian digunakan oleh si peneliti.
 Data tertier, yaitu data yang sudah diproses dan
dipublikasikan sebagai suatu karya/ karangan
ilmiah.
 Karakteristik Data

 Pada dasarnya data statistik yang dikumpulkan harus

mempunyai ciri-ciri yang sama atau paling tidak
mendekati ciri-ciri sumber data yang ada, dan dapat
dilihat berdasarkan :
 Akurasi, yaitu data yang telah dikumpulkan setidak-
tidaknya sudah harus mendekati angka atau nilai sumber
data yang ada.
 Reliabilitas (persisi), yaitu istilah yang digunakan untuk
menggambarkan sejauh mana hasil pengukuran relatif
stabil dan konsisten apabila pengukuran terhadap data
yang sama diulangi dua kali atau lebih.
 Karakteristik Data

 Validitas, yaitu istilah yang menunjukkan

kesesuaian suatu alat pengukur dengan apa yang
ingin diukur. Validitas dapat dilihat dalam dua hal,
yaitu :
 Validitas Eksternal, meliputi karakteristik data
sampel harus sesuai dengan karakteristik
populasinya. Misalnya, bila kita ingin melakukan
survei status gizi balita, sementara data sampel
yang diambil anak murid sekolah dasar, hal ini
menunjukkan validitas eksternal data tidak bisa
dipertanggung jawabkan, karena tidak mewakili
populasi yang diinginkan.
 Karakteristik Data

 Validitas Internal, meliputi kemampuan dan

keahlian pelaksana penelitian, sensitifitas
alat diagnostik ataupun alat laboratorium.
Misalnya pada pemeriksaan kadar Hb dalam
darah digunakan alat sederhana, yaitu
Haemometer Sahli dan dilakukan oleh
perawat, dalam hal ini validitas internalnya
kurang sekali jika dibandingkan pemeriksaan
tersebut dilakukan oleh seorang analis
ataupun dengan alat yang lebih canggih,
seperti Spektrometer.
 Pengumpulan Data
 Dapat dilakukan secara langsung atau tidak langsung, dan
tergantung dari kebutuhan informasi yang ingin dikumpulkan,
tenaga pelaksana penelitian, serta dana yang tersedia. Ada
tiga cara yang sering dilakukan dalam kegiatan pempulan
data, yaitu :
 Observasi, merupakan cara pengumpulan data yang
dilakukan secara langsung dengan cara mengamati dengan
tanpa adanya perlakukan terhadap objek penelitian. Hasil
pengukuran dengan cara ini lebih banyak dalam bentuk data
kualitatif.
 Interview atau Wawancara, yaitu pengumpulan data yang
dilakukan secara langsung di lapangan antara petugas
pengumpul data dengan cara mewawancarai secara langsung
reponden yang diteliti. Hal ini sangat baik dilakukan untuk
mendapatkan informasi (data) yang lebih lengkap dan
mendalam.
 Pengumpulan Data
 Kuesioner atau Angket, yaitu berupa lembaran berisi
pertanyaan-pertanyaan yang disiapkan sedemikian rupa, yang
berfungsi sebagai alat pengumpul data panelitian. Biasanya
kuesioner dapat digunakan pada saat interview atau
wawancara atau dapat juga dilakukan dengan cara
mengirimkannya melalui pos kepada responden yang telah
terpilih, dengan harapan akan dikembalikan.
 Registrasi dan Pencatatan, yaitu berupa pengumpulan data
secara rutin terhadap setiap kegiatan atau kejadian, dengan
menggunakan sistem manajemen data yang baik, seperti
angka kelahiran, kematian, kesakitan dan lain-lain.
 Hasil ujian (test) atau hasil laboratorium, yaitu berupa
pengumpulan data yang dilakukan untuk mengukur tingkat
pengetahuan atau keahlian seseorang atau pencatatan hasil
pemeriksaan laboratorium dan lain sebagainya.
 Pengolahan Data
 Data kasar yang telah diperoleh dari kegiatan pengumpulan
data, baik di klinik maupun di masyarakat, belum dapat
menggambarkan informasi apapun sebelum melalui proses
pengolahan dan analisis data. Kegiatan pengolahan data
merupakan suatu rangkaian kegiatan yang sudah dimulai sejak
data dikumpulkan dilapangan. Editing merupakan salah satu
proses pengolahan yang sudah dapat dilaksanakan sedini
mungkin dilapangan.
 Editing di lapangan ini akan sangat menekan biaya penelitian
dan menyingkat waktu yang diperlukan untuk menyelesaikan
penelitian. Setelah data diedit, data akan mengalami proses
koding. Pada proses ini, data kasar yang bersifat uraian atau
kalimat diubah menjadi kode-kode, sehingga mempermudah
proses entri data dan analisis data.
 Pengolahan Data
 Data yang telah dikoding telah siap untuk diolah lebih lanjut.
Langkah selanjutnya adalah entri data. Entri data dapat
dilakukan secara manual ke kartu-kartu tabulasi atau secara
komputerisasi ke dalam file.
 Data yang telah dientri telah siap untuk dianalisis. Sebaiknya
rencana analisis data penelitian sudah dipersiapkan sebelum
penelitian dimulai. Buatlah tabel-tabel kosong (dummy tabel)
dan rencana uji statistik yang sesuai dengan tujuan dan disain
penelitian dan jenis data yang dikumpulkan.
 Proses pengkodingan ini sangat berkaitan dengan instrumen
penelitian yang disiapkan, oleh karenanya pembuatan
instrumen penelitian harus dilakukan dengan hati-hati.
 Proses Pengolahan dan Analisis Data

Editing Data ?
Data Edit Proses Analisis Data
Coding Data ?
Kasar Data Dengan
Cleaning Data
Komputerisasi
?

Hasil Analisis Sudah

Sesuai dengan Tujuan Statistik
penelitian Uji ?
 Penyajian Data

 Data-data yang telah dikumpulkan, setelah

dianalisis sedemikian rupa, perlu disusun secara
sistematik agar menjadi sederhana dan mudah
dimengerti oleh pengkonsumsi informasi dan
juga dapat dipresentarsikan dengan baik. Ada
beberapa cara penyajian data, yaitu :
 Textular (narasi), yaitu penyajian data berupa
tulisan atau narasi. Hal ini dapat dilakukan untuk
data yang jumlahnya kecil serta memerlukan
kesimpulan sederhana.
 Penyajian Data

 Tabulasi, yaitu penyajian data dalam bentuk

table-tabel yang terdiri dari beberapa baris dan
beberapa kolom, yang digunakan untuk
memaparkan sekaligus beberapa variabel hasil
observasi, survei, atau penelitian lainnya,
sehingga mudah dibaca dan dipahami.
 Diagram atau Grafik, yaitu penyajian data dalam
bentuk diagram ataupun grafik dapat dilakukan
dengan beberapa cara sesuai dengan jenis data
dan kebutuhan, seperti terlihat pada table
berikut :
 Penyajian Data
No. Jenis Diagram Variabel Data/Fungsi
1. Bar diagram Kategorikal Perbandingan frekuensi
(Horizontal/vertical) distribusi data
2. Pie Chart Kategorikal Proporsi data
3. Line diagram Numerikal Trend data (time series study)
4. Scatter point/dot Numerikal Korelasi data
diagram Kategorikal Perbandingan frekuensi
5. Pictogram/Diagram distribusi data
gambar Kategorikal Perbandingan frekuensi
6. Curtogram/Diagram distribusi Data
peta
 SKALA PENGUKURAN

 Skala pengukuran yang dikembangkan oleh

S.S. Stevens, cukup luas digunakan dalam
setiap penelitian yang membagi tingkat ukuran
ke dalam empat kategori, yaitu :
1. Skala Nominal
2. Skala Ordinal
3. Skala Interval
4. Skala Ratio
 SKALA NOMINAL

 Skala nominal, skala ini merupakan

tingkat pengukuran yang paling
sederhana. Numerikal yang diberikan
kepada objek tidak mempunyai
makna besaran (hanya sekedar
label) dan tidak bisa diurut atau
dijumlah.
 SKALA NOMINAL

 Contoh :
Jenis kelamin : 1 = Pria
2 = Wanita)
Agama : 1 = Islam
2 = Kristen Protestan
3 = Kristen Khatolik
4 = Hindu
5 = Buddha
 Skala nominal

 Status marital : 1. Kawin

2. Tidak kawin
3. Janda/Duda
4. Pisahan (Cerai)
 Suku bangsa : 1. Melayu
2. Batak toba
3. Jawa
4. Karo
6. Suku lainnya
 Skala nominal

 Pemberian kode label 1, 2 pada variabel jenis

kelamin ; kode label 1, 2, 3, 4 dan 5 pada
variabel agama ; kode label 1, 2, 3 dan 4 pada
variabel martial dan lainnya, hanyalah untuk
membedakan jenis kelamin, agama yang dianut
atau status martial seseorang. Dengan kata lain
angka 1, 2, 3, ……. Hanya merupakan simbol
untuk membedakan dan tidak menunjukan
tingkatan apa-apa.
 SKALA ORDINAL

 Skala ordinal, penomoran pada

objek ini disusun menurut besar
atau urutan (rank), tetapi nomor-
nomor tersebut tidak menunjukkan
jarak yang sama antara dua nomor.
 SKALA ORDINAL

Contoh :
 Stadium penyakit : 1 = Berat
2 = Sedang
3 = Ringan)
 Tingkat pendidikan : 1 = SD
2 = SLTP
3 = SLTA
4 = Akademi
5 = Sarjana
 SKALA ORDINAL

 Pemberian kode label 1, 2 dan pada variabel

stadium penyakit ; kode label 1, 2, 3, 4 dan 5
pada variabel tingkat pendidikan dan lainnya,
disamping membedakan stadium penyakit ,
tingkat pendidikan juga menyatakan urutan
(peringkat). Dengan kata lain angka 1, 2, 3, …….
Hanya merupakan simbol untuk membedakan
dan juga menunjukan peringkat tertentu.
 SKALA INTERVAL

 Skala interval, skala ini mempunyai sifat

berurutan. Pada skala ini, disamping untuk
membedakan, juga mempunyai tingkatan, dan
jarak yang pasti antara satu kategori dengan
kategori lainnya dalam satu variabel atau subjek
yang diukur. Jarak yang sama dan pasti antara
satu kategori dengan kategori lainnya dalam satu
variabel disebut jarak interval atau skala interval.
Besar interval dapat ditambah atau dikurangi,
dimana yang dijumlahkan bukanlah kuantitas
atau besaran, tetapi interval.
 SKALA INTERVAL

Contoh :
 Temperatur (oC atau oK),
Misalnya, temperatur 36 oC jelas 12 oC lebih
panas dari 24 oC, dan tidak dikatakan bahwa 36
oC 1½ kali dari 24 oC. Alasanya, penentuan skala

0 oC bukan keberadaan panas absolut, tetapi

hanya merupakan batas pengukuran positif dan
negatif. Dengan kata lain, pada skala interval
tidak dijumpai nol absolut.
 SKALA INTERVAL

Contoh lainnya :
 Suhu tubuh
 Koefesien inteligensia
 SKALA RASIO

 Skala rasio, skala ini merupakan tingkat

pengukuran tertinggi. Skala rasio selain memiliki
sifat skala nominal, ordinal dan interval, juga
mempunyai titik nol absolut dengan makna
empiris. Setiap nilai variabel yang berskala rasio
(ratio scale) diukur dari titik nol yang sama,
artinya perbandingan (rasio) antara satu nilai
dengan nilai lainnya dapat ditentukan. Pada
skala rasio semua operasi matematik
(penambahan, penguangan, pengalian dan
pembagian) dapat diterapkan.
 SKALA RASIO

Contoh : ........A B C D E F objek

012 3 4 5 6 berat
a) dalam keadaan tanpa bobot, berat subjek 0 Kg
b) berat subjek F = 3 x berat subjek B (F : B = 6 : 2)
c) berat subjek B = 0,5 x berat subjek D (B : D = 2 : 4)
d) subjek F lebih berat dari semua yang diukur, yaitu A, B,
C, D dan E
e) Perbedaan berat subjek E dan A adalah 5-1 = 4
f) Berat masing-masing subjek yang diukur ada;lah
berbeda.
 SKALA RASIO

Contoh lainnya:
 Temperatur (0K)
 besar penghasilan
 berat badan
 elektrolit serum
 denyut nadi
 Kadar ureum
 PEMBUATAN SKALA PENGUKURAN

 Pada dasarnya teknik pembuatan skala adalah cara

(teknik) mengurutkan sesuatu dalam suatu kontinum yang
nyata dari sifat-sifat tertentu.
Misalnya :
 dalam hal warna, selalu terdapat kontinum dari warna
putih, merah jambu, kuning, hijau dan seterusnya sampai
dengan warna hitam.
 Kontinum persetujuan “paling tidak setuju” sampai dengan
“amat setuju”.
 Mengingat banyak data dalam ilmu-ilmu sosial memiliki
sifat kualitatif yang di dalamnya juga terdapat sifat-sifat
kontinum.
 PEMBUATAN SKALA PENGUKURAN

 Penggunaan statistik dalam penelitian, menuntut adanya

transformasi data dari kualitatif ke data kuantitatif.
Mengubah data kualitatif menjadi data kuantitatif saat
sekarang ini sudah menjadi mode, hal terjadi karena
adanya tuntutan penggunaan statistik (matematik) dalam
setiap pengolahan data, disamping memiliki kemampuan
presisi yang lebih baik dalam hal menentukan gradasi.
Sehingga ada ahli yang berpendapat bahwa teknik
membuat skala adalah cara mengubah fakta-fakta kualitatif
(atribut) menjadi suatu urutan kuantitatif (variabel).
 PILIHAN STATISTIK UJI BERDASARKAN SKALA
PENGUKURAN

 Berikut ini adalah skema untuk menetapkan uji

statistik yang sesuai dengan skala pengukuran
data dari variabel-variabel yang ada, dari tulisan
R.K. Arnold dan A.L. Rothstein. Untuk tidak
salah tafsir, skema ini tetap disalin dalam bahsa
aslinya :
Descriptive Statistics : used to compile, summarize, and describe data

PURPOSE TYPE OF DATA STATISTIC

I. Measures of Central Tendency Ratio and interval Mean

Ordinal Median
Nominal Mode

II. Measures of Dispersion Ratio and interval Standard deviation

Ordinal Interquartil range
Nominal Range
 Inferential Statistics
I. Comparison Statistics (difference
questions)
A. Parametric Statistics
: Used to draw implications (Inferences) from
data : to determine whether results differ
significantly from chance lindings
: Based upon certain assumptions concerning the
naturer of parameters of the populations from
which data are draw (e.q., normally
distributed, equal variances), require at least
interval data and relatively large sample size.
PURPOSE TYPE OF DATA STATISTICS

1. Comparison of two independent data Interval, ratio, and t-test (independent)

points (e.g., means of two sample some ordinal data*
groups)

2. Comparison of two nonindependent Interval, ratio, and t-test (correlated)

data point (e.g., test-retest means for some ordinal data*
one sample).

3. Comparison of more than two inde- Interval, ratio, and One-way analysis of
pendent data points for one experi- some ordinal data* variance (ANOVA)
mental variable (e.g., means of three
sample groups)

4. Comparison of more than two non- Interval, ratio, and One-way ANOVA with
independent data points for one some ordinal data* repeated measures
experimental variable (e.g., means
for same subject tested three times)
PURPOSE TYPE OF DATA STATISTICS

5. Comparison of two or more indepen- Interval, ratio, and One-way ANOVA

dent data points for one variable some ordinal data*
and two or more non-independent
data point for a second variable
(mixed design)

6. Comparison of two or more Interval, ratio, and Two-way mixed ANOVA

independent data points for one some ordinal data*
variable and two or more non-
independent data points for a
second variable (e.g., means of two
sample groups)

7. Comparison of two or more data Interval, ratio, and t-test (correlated)

points (independent and/or non- some ordinal data*
independent) for three or more
experimental variable
B. Non-Parametric Statistics : Based upon fewer assumptions concerning the
populations from which data are draw; may be
used with ordinal and nominal data; require
smaller sample size.

PURPOSE TYPE OF DATA STATISTICS

1. Comparison of two independent Nominal, Ordinal * Chi-Square

data points (e.g., two sample Median test
groups) Mann-Whitney U

2. Comparison of two Nominal, Ordinal * Mc Nemar test

nonindependent data point (e.g., Wilcoxon test
pretest-past design). Sign test

3. Comparison of more than two Nominal, Ordinal * Chi-Square test

indepen-dent data points for one Median test
experimental variable. Kruskal Wallis

4. Comparison of more than two non- Nominal, Ordinal * Cochran O test

independent data points for one Friedman analysis of
experimental variable. variance
 II. Correlation Coefficients (relationship questions)
PURPOSE TYPE OF DATA STATISTICS

Determine relationship Interval or ratio data for both Pearson product-moment

between two variables variables correlation.
Ordinal data for both variables Spearman rank-order correla-
Nominal : two artificial dichotomies tioan, Kendall’s tau
Tetrachoric correlation

PURPOSE TYPE OF DATA STATISTICS

Nominal : two true dichotomies Phicoefficient
Artificial dichotomy on one variable; Bisarial correlation
interval or ratio data on one variable Point Biserial correlation
True dichotomy on one variable;
interval or ratio data on one variable

* Ordinal data, when not in the form of actual ranks, can be analyzed using parametric statistics as lang
as the distribution approaches normality.
* Prepared by R. K. Arnold and A. L. Rothstein for use in a conference program on Preparing
Research Proposais
POPULASI, SAMPEL DAN TEKNIK
SAMPLING

 Populasi (population), ialah kumpulan yang

lengkap dari seluruh elemen yang sejenis, tetapi
dapat dibedakan berdasarkan karakteristiknya.
Populasi dapat dibagi menjadi dua, yaitu :
Populasi target (target population) yang
ditentukan berdasarkan karakteristik subjek
yang diteliti dan demografis. Misalnya penderita
anemia ibu hamil dengan umur kehamilan
kurang dari 12 minggu di kota X.
 POPULASI, SAMPEL DAN
TEKNIK SAMPLING
Populasi terjangkau (accessible population,
source population, sampling population) disebut
juga populasi sampling adalah bagian dari
populasi target dengan spesifikasi yang lebih
tegas dan terfokus pada subjek yang ingin diteliti
dan dibatasi oleh tempat serta waktu. Misalnya
Ibu hamil dengan kasus anemia berat yang
berkunjung di beberapa Puskesmas di kota X
selama tahun 1990-1991.
 Catatan, dalam penelitian survei yang dilakukan,
populasi yang didefenisikan langsung
menggambarkan populasi terjangkau.
 POPULASI, SAMPEL DAN
TEKNIK SAMPLING
 Sampel (sample) ialah sebagian elemen
dari keseluruhan elemen populasi.
Jika n = jumlah elemen sampel dan N =
jumlah elemen populasi, maka n (sampel)
lebih kecil dari N (populasi).
 POPULASI, SAMPEL DAN
TEKNIK SAMPLING
 Teknik Pencuplikan Sampel (Sampling Technique)
adalah suatu metoda untuk mendapatkan sampel
yang benar-benar representatif bagi populasinya
dengan memperhatikan keragaman data yang ada
dalam populasinya.
 Dengan teknik sampling ini diharapkan bisa
memperoleh informasi yang optimal yang
terkandung dalam sampel, sehingga survei yang
dilakukan dapat bersifat lebih efesien dalam artian
dengan mengeluarkan ongkos yang minimum dapat
diperoleh informasi yang maksimal.
 KEUNTUNGAN SAMPLING
Keuntungan-keuntungan dari penarikan sampel,
antara lain :
1. Dana, waktu, alat dan tenaga ahli yang
diperlukan lebih sedikit dibandingkan jika
penelitian dilakukan langsung pada populasi.
2. Mudah dan lebih cepat dikerjakan serta hasilnya
dapat segera dievaluasi dan dianalisa.
3. Data yang dikumpulkan lebih komprehensif
(dengan cakupan lebih besar) dan representatif,
serta merupakan refleksi dari karakteristik
populasi yang diteliti.
 KEUNTUNGAN SAMPLING

4. Tingkat ketelitian lebih besar, artinya

pemeriksaan pada sampel akan lebih teliti dan
sangat objektif daripada pemeriksaan lengkap
pada seluruh elemen populasi.
Penarikan sampel bila dilakukan dengan prosedur
yang sesuai dan benar, maka suatu sampel dapat
merupakan cara yang lebih efisien (cost efficient)
untuk mengunpulkan data dari harus meliputi
keseluruhan elemen populasi.
 Langkah-Langkah Dalam
Proses Sampling
 Menurut Tull dan Hawkins, proses sampling
terdiri atas 7 Langkah, yaitu :
1. Mendefenisikan populasi (Defined the
population) dengan tegas dan jelas.
Elemen : Sekolah Dasar
Unit sampling : Mrudi klas I s/d VI
Tempat : Kota A
Waktu tahun : Tahun 2003
 Langkah-Langkah Dalam
Proses Sampling
2. Spesifikasi Sampling Frame (Specified
sampling frame), bertujuan untuk
memaparkan dengan jelas dan
spesisifikasi dari populasi.
Populasi Target : Seluruh SD di kota A
Populasi sampling : Murid kelas I s/d VI
 Langkah-Langkah Dalam
Proses Sampling
3. Spesifikasi unit sampling (Specified sampling
unit).
Yaitu : Murid kelas I s/d kelas VI
4. Seleksi metode sampling (specified sampling
method)
Yaitu :
a. Probability sampling method
b. Non-probability sampling method
 Langkah-Langkah Dalam
Proses Sampling
5. Menentukan ukuran sampel (Determine Sample
Size).
6. Menyiapkan sampling plan (Specified sampling
plan).
 Probability Sampling
Method
Hal prinsip pada probability sampling adalah bahwa
setiap unit (elemen) dalam populasi mempunyai
kesempatan yang sama untuk terpilih (terambil)
sebagai sampel.
1. Penarikan Sampel Acak Sederhana (Simple
Random Sampling)
Pada setiap unit (elemen) populasi diberi nomor,
kemudian sampel yang diinginkan ditarik secara
acak, baik dengan menggunakan tabel random
ataupun dengan undian.
 Probability Sampling
Method
2. Penarikan Sampel Acak Sistematik (Systematic
Random Sampling)
Pada setiap unit (elemen) populasi diberi nomor
dan diurut, kemudian ditentukan satu nomor
sebagai titik tolak penarikan sampel sampel secara
acak. Nomor berikut dapat ditarik dengan kelipatan
(K = N/n) yang dilakukan secara sistematis.
3. Penarikan Sampel Acak Berlapis (Stratified
Random Sampling)
Populasi dibagi dalam kelompok yang homogen
lebih dahulu, atau dalam strata. Elemen sampel
dapat ditarik dari setiap strata.
 Probability Sampling
Method
4. Penarikan Sampel Acak Bergerombol (Cluster
Random Sampling)
Populasi dibagi dulu atas kelompok berdasarkan
area atau cluster. Elemen sub populasi tiap
cluster tidak harus homogen. Lakukan sampling
acak pada cluster lebih dulu, kemudian pada
cluster yang terpilih dapat dilakukan sampling
dengan cara simple random sampling atau
systematic random sampling ataupun juga dapat
langsung mengamati seluruh elemen dalam
cluster.
 Probability Sampling
Method
5. Penarikan Sampel Acak Bertahap Ganda
(Multistage Random Sampling)
Populasi dibagi dalam beberapa tahap (stage).
Tahap pertama menentukan subpopulasi
dimana sampel akan ditarik. Jika peneliti ingin
menentukan populasi tahap berikutnya dapat
dilakukan dengan menentukan sub-sub populasi
sampai dimungkinkan pada populasi mana
elemen sampel dapat ditarik.
 Non Probability Sampling
Method
 Penarikan sampel non probability prosedurnya lebih
sederhana dan lebih praktis.
 Oleh karena penarikan sampelnya tidak acak, maka
kesahihan sampel non probability tergantung pada
sejauh mana penarikan sampel yang dilakukan dapat
menyerupai probability sampling.
 Cara yang dilakukan untuk mendekati prosedure
probability sampling yang dimaksdud, dilakukan
dengan menentukan kriteria inklusi dan eksklusi
terhadap sampel sampel yang ditetapkan
berdasarkan pencapaian tujuan penelitian yang
diinginkan. Apakah penarikan sampel non probability ini
sudah sesuai dengan kriteria inklusi dan eksklusi.
 Non Probability Sampling
Method
1. Purposive Sampling
Pengambilan sampel ditentukan berdasarkan
pertimbangan yang dibaut oleh peneliti sendiri,
berdasarkan karakteristik atau sifat populasi yang
sudah dikatahui sebelumnya.
2. Quota Sampling
Penarikan sampel dilakukan dengan cara
menetapkan sejumlah eleman sampel secara
kuota (jatah) sesuai dengan keiinginan peneliti.
3. Convinience Sampling
Sampel dipilih dengan semaunya saja tanpa
menggunakan prosedur yang jelas.
 Non Probability Sampling
Method
4. Consecutive Sampling
Pemilihan sampling ditetapkan berdasarkan kriteria
penelitian dalam kurun waktu terentu sampai jumlah
sampel yang diinginkan terpenuhi.
5. Judgement Sampling
Pada cara ini peneliti memilih subjek penelitian
berdasarkan pertimbangan subjektifnya, dengan
harapan subjek tersebut nantinya akan mampu
memberikan informasi yang memadai untuk
menjawab permasalahan penelitian.
6. Panel Sampling
Sampel semi permanen yang dipilih untuk keperluan
suatu studi yang berkelanjutan.
 Kriteria Rancangan Sampel
Yang Dapat Diandalkan.
 Mempunyai kemampuan untuk mewakili
(representativeness). Suatu sampel harus
menjadi wakil dari populasi induknya
sehingga penalaran yang diambil dari
sampel dapat digene-ralisasi terhadap
populasi tersebut dengan tingkat ketepatan
dan kepercayaan yang dapat diukur.
 Kriteria Rancangan Sampel
Yang Dapat Diandalkan.
 Efisien dan ekonomis dalam artian rancangan
sampling yang disiapkan sedemikian rupa
sehingga penghematan waktu dan biaya
dapat dicapai tanpa mengurangi pencapaian
tujuan penelitian. Dengan kata lain, sampel
harus dapat memberikan informasi yang
dikehendaki didalam batas kesalahan
sampling yang sudah diperkirakan tetapi
masih dapat ditoleransi untuk biaya yang
paling murah.
 Kriteria Rancangan Sampel
Yang Dapat Diandalkan.
 Sebaliknya, sampel harus dapat meberikan
informasi pada suatu biaya pasti dengan
kesalahan sampling (sampling error) paling
kecil
 Kriteria Rancangan Sampel
Yang Dapat Diandalkan.
 Terukur (measurability), artinya peneliti dapat
memperkirakan sejauh mana temuan-temuan dari
sampel cendrung berbeda dari yang akan ia
temukan jika ia meneliti seluruh populasi induknya.
 Ukuran (size) sampel minimal harus cukup besar
untuk memperkecil ragam (variabelitas) sampel
bagi pendugaan parameter yang harus dibuat
dengan tingkat ketepatan (presisi) yang dapat
diukur.
 Prosedur sampling harus sederhana dan praktis
sehingga mudah dilaksanakan dilapangan
TERIMA KASIH