PENGUKURAN VARIASI

KELOMPOK: VARIANS, RANGE,

INTERKUARTIL
DISTRIBUSI PROBABILITAS, NORMAL &
BINOMIAL
BIOSTATISTIK
IDA BETANURSANTI
 UKURAN PENYEBARAN DATA

 Untuk mengetahui seberapa besar penyimpangan data terhadap

nilai rata-rata hitungnya
 Ukuran penyebaran membantu mengetahui sejauh mana nilai
menyebar dari nilai tengahnya, semakin kecil atau semakin
besar
 Ukuran penyebaran data :
 Ungrouped : data yang tidak dikelompokkan
 Grouped : data yang dikelompokkan  Tabel distribusi
frekuensi
 UKURAN PEMUSATAN

 Ukuran-ukuran data numerik yang menjelaskan karakter data.

 Mean

 Median

 Modus
 UKURAN PENYEBARAN

 Seberapa jauh pengamatan menyebar dari DATA DATA

rata-ratanya A B
 Data 8 5
A dan Data B memiliki nilai yang
8 6
sama:
9 8
 Mean = 10 10 10
 Median 10 11 12
 Keseragaman A>B 12 14
12 16
 Keragaman A<B
UKURAN PENYEBARAN

 Ukuran Penyebaran:
Range
Deviasi Rata-rata
Varians
Deviasi Standard
 Ukuran kecondongan dan keruncingan
 RENTANG DATA

  
 Rentang data  Range atau Jarak : mengurangi data terbesar dengan data
terkecil pada kelompok  ungrouped
 Selisih
batas atas kelas tertinggi terhadap batas bawah kelas terendah 
grouped

R : rentang data
 Xb : data terbesar dalam kelompok
 Xk : data terkecil dalam kelompok
 Kerugian :
 Hanya mengacu pada nilai ekstrem
 Tidak menyampaikan sebaran data
 CONTOH RENTANG DATA TIDAK
BERKELOMPOK - UNGROUPED
 10 orang pasien di Poliklinik ‘Sehat Selalu’ yang sedang periksa kadar gula
darah sewaktu diperoleh data sebagai berikut:
Pasien A S D F G H J K L Z
Glukosa 100 150 120 110 90 210 145 230 70 280
darah

 Data tertinggi : 280

 Data terendah :70
 Rentang Data = 290 – 70 = 220
 Artinya pasien poliklinik ‘Selalu Sehat’ memiliki variasi rentang kadar gula
darah yang cukup tinggi, yaitu 220.
 UKURAN PENYEBARAN DATA
BERKELOMPOK
Definisi Range:
 Selisih antara batas atas dari kelas tertinggi dengan batas bawah dari
kelas terendah.
Kelas ke- Interval Jumlah
Contoh: Frekuensi
 Range = 878-160=718 1 160 – 303 2
2 304 – 447 5
3 448 – 591 9
4 592 – 735 3
5 736 – 878 1
RANGE PERSENTIL

 Range Persentil 10-90 dari sekumpulan data adalah:

P90 - P10
 RangeSemi Persentil 10-90 dari sekumpulan data
adalah : (P90 - P10)/2
 VARIANS

 Adalah
Teknik yang digunakan untuk menjelaskan
homogenitas atau keseragaman data dalam kelompoknya
 Variansi
merupakan jumlah kuadrat semua deviasi nilai
individual terhadap rata-rata kelompok  varians populasi
(σ2)
 Akar varians  standard deviasi (σ)
 Varians sampel  s2
 Akar varians sampel  standard deviasi s
 VARIANS & STANDARD DEVIASI

POPULASI SAMPEL

  Varians

:   Varians

:
 Standar deviasi :  Standar deviasi : s

n : jumlah sampel
n – 1 : derajat kebebasan
 Contoh populasi

 Berikut ini data usia 5 orang   X rerata =

mahasiswa Keperawatan semester  Varians, = 2
3: X X -
Usia, (X - )2  Standard deviasi ,
18 18 – 20 = - 4
2
19 19 – 20 = -1 1
20 20 – 20 = 0 0
21 21 – 20 = 1 1
22 22 – 20 = 2 4
 Contoh
 Berikut ini misalkan data
pendapatan tahunan pedagang  Tentukan varians
telur di pasar Gombong:  Berapakah deviasi
Juta frekuensi standar?
Rupiah
31 – 40 12
41 – 50 10
51 – 60 23
61 – 70 17
71 – 80 8
 Penyelesaian

Juta f Xi M-Xi (M- Fi. (M-   Mean =3875/70 =

Rp Fi.Xi Xi)2 Xi)2 55,36
 10.698,5/70 =
31 – 40 12 35,5 19.85714 426 394.3061 4731.673
152.8367
41 – 50 10 45,5 9.857143 455 97.16327 971.6327  Standard deviasi ,
51 – 60 23 55,5 -0.14286 1276.5 0.020408 0.469388
61 – 70 17 65,5 -10.1429 1113.5 102.8776 1748.918
71 – 80 8 75,5 -20.1429 604 405.7347 3245.878
70 1000.10
2 10698.57
 Contoh grouped
co panjang f (x) Fi.Xi X-M (x-M)2 Fi. (x-
M)2   
1 16-24 10 20 200 13.68 187.14 1871.4
2 2  126,4261
2 25-33 18 29 522 4.68 21.902 394.24  S = =11,24
3
3 34-42 14 38 532 4.32 18.662 261.27
3
4 43-51 4 47 188 13.32 177.42 709.68
2 9
5 52-60 2 56 112 22.32 498.18 996.36
2 5
6 61-69 2 65 130 31.32 980.94 1961.8
2 8
 DEVIASI RATA-RATA


  Digunakanuntuk menghitung rata-rata penyimpangan data rata-
rata (mean) yang tidak berkelompok

 Digunakan untuk menghitung rata-rata penyimpangan data rata-

rata (mean), data yang berkelompok
 Contoh Deviasi Rata-rata

  Data Tidak berkelompok: No Tinggi Deviasi Deviasi
. , cm Mutlak
 Data tinggi badan calon
perawat RS “Tetap Sehat” 1 157 157 -163.14 = -6.14 6.14
dalam cm adalah : 2 159 159 -163.14 = -8.14 8.14
 157,159, 163,175, 155, 177, 3 163 163 -163.14 = -0.14 0.14
156 4 175 175 -163.14 = 11.86 11.86
 Rerata = 1.142/7 = 163,14 5 155 155 -163.14 = -4.14 4.14
 Deviasi dihitung dari : 6 177 177 -163.14 = 13.86 13.86
tinggimasing-masing
7 156 156 -163.14 = -5.14 5.14
dikurangi tinggi rerata
Σ 1.142 49.42
INTERKUARTIL

 Interkuartil adalah rentang antar kuartil

 RAK (Rentang Antar Kuartil)
Penyelesaian = Q3 - Q1
soal

 RangeSemi Interkuartil dari sekumpulan data

adalah: Q = (Q3 - Q1)/2
DISTRIBUSI
PROBABILITAS
BIOSTATISTIK
 Pengantar

 Kunciaplikasi probabilitas dalam statistik adalah

memperkirakan terjadinya peluang/probabilitas yang
dihubungkan dengan terjadinya peristiwa tersebut
dalam beberapa keadaan.
 Jikakita mengetahui keseluruhan probabilitas dari
kemungkinan outcome yang terjadi, seluruh probabilitas
kejadian tersebut akan membentuk suatu distribusi
probabilitas.
Jenis Distribusi Probabilitas

1. Distribusi Binomial (Bernaulli)

2. Distribusi Multinomial
3. Distribusi Normal (Gauss)
 1. Distribusi Binomial

 Merupakan distribusi probabilitas deskrit yag paling banyak

digunakan di segala bidang.
 Menggambarkan fenomena dengan dua hasil atau outcome.
Contoh: peluang sukses atau gagal, hasil pengobatan sembuh
atau tidak, sehat atau sakit, dsb.
 Ditemukan oleh sahli matematika dari Inggris, Jacob Bernoulli,
sehingga dikenal juga sebagai Distribusi Bernaulli.
3 syarat yg harus dipenuhi untuk menggunakan
distribusi binomial :

1. Jumlah trial merupakan bilangan bulat. Contoh melambungkan coin

2 kali, tidak mungkin 2 ½ kali.
2. Setiap eksperiman mempunyai dua outcome (hasil). Contoh:
sukses/gagal, laki/perempuan, sehat/sakit, setuju/tidaksetuju.
3. Peluang sukses sama setiap eksperimen.
Contoh: Jika lemparan dadu, yang diharapkan adalah keluar mata
lima, maka dikatakan peluang sukses adalah 1/6, sedangkan
peluang gagal adalah 5/6.
Untuk itu peluang sukses dilambangkan p, sedangkan peluang
gagal adalah (1-p) atau biasa juga dilambangkan q, di mana q = 1-
p.
1. Distribusi Binomial

  Dimana :
p = probabilitas yang diinginkan
q=1–p
n = banyaknya peristiwa (trial)
r = jumlah sukses yang
diinginkan
Contoh

 Kita ingin mengetahui besarnya peluang kelahiran 2 bayi

laki-laki dari 3 kelahiran.
p = 0,5  q = 1-p = 0,5
n=3
r=2
 Dengan menggunakan rumus di atas :

   
P = 0,375
Latihan :

1. Berapa probabilitas hujan 3 hari dalam seminggu

selama 4 minggu?
 2. Distribusi Multinomial

 Dalam satu peristiwa kadang menghasilkan lebih dari dua event maka
distribusi yg dihasilkan disebut distribusi multinomial.
 Contoh :
Hasil dari pengobatan  sembuh, cacat, dan mati

  Dimana :
Rumus
r1 + r2 + r3…rk = n
p1 + p2 + p3…pk = 1
 Contoh :

 Seorang dokter melakukan pengobatan sebanyak 6 kali terhadap 6

orang penderita gagal jantung dengan hasil sembuh sempurna,
sembuh dengan gejala sisa, dan meninggal.
 Berapa besar probabilitas dari 6 kali pengobatan tersebut
menghasilkan 2 orang sembuh sempurna, 2 orang sembuh dengan
gejala sisa, dan 2 orang meninggal.
 

  =0,123 = 12,3%
 3. Distribusi Normal

 Merupakan distribusi probabilitas dengan variabel kontinu

atau numerik
 Pertama kali diuraikan oleh Abraham de Moivre dan
dipopulerkan oleh Carl Fredreich Gauss dengan percobaannya
 Distribusi Gauss.
 Bila percobaan dilakukan berulang2 yg paling sering muncul
adalah nilai rata2  Penyimpangan dari nilai rata2 (error)
makin sedikit  terbentuk distribusi yg simetris  distribusi
normal.
Ciri-Ciri distribusi normal :

Y  Disusun dari variabel

random kontinu
 Nilai mean, median dan
modus berada pada satu
titik.

X
x
Md
Mo
Distribusi normal dan uji statistik

 Dalam uji statistik distribusi normal merupakan

prasyarat untuk dilakukan uji parametrik.
 Datasampel dengan skala numerik harus dilakukan uji
normalitas data sebelum dilakukan uji parametrik.
 Bilasyarat normalitas data tidak terpenuhi  pakai uji
non parametrik.
TERIMAKASIH 