BIOSTATISTIKA

DISUSUN OLEH KELOMPOK 3 :

1. ARISAH(820163011)
2. DWI ANDRIANI (820163022)
3. DYAHAYU SHINTA KEMALA M (820163023)
4. ETIEK NAFISAH (820163029)
5. FENNY CAHAYA KHAERANI (820163038)
6. FINA AUDINA SOFIANA(820163040)
7. M. PUTRA WIBOWO (820163071)
 PROBABILITAS

Adalah peluang atau kemungkinan dari suatu kejadian terjadi atau tidak
dan seberapa besar kemungknan kejadian tersebut berpeluang untuk terjadi

Permutasi
adalah susuna atau urutan-urutan yang berbeda satu sama lain yang
berbrntuk dari sebagian atau seluruh objek

Pada permutasi ini, urutan dipentingkan. Rumus:

Keterangan : n!
P : jumlah permutasi (ututannya dipentingkan) n Pr 
n : banyaknya objek (n  r )!
r : jumlah anggota pasangan
! : faktorial (3! = 3x2x1), 0! = 1, 1! = 1
Kombinasi
Kumpulan sebagian atau seluruh objek tanpa
memperhatikan urutannya.
Rumus:
n!
nCr 
Rumus 7.10 r!(n  r )!
Keterangan:
C = jumlah kombinasi (yang urutannya tidak penting)
n = banyaknya objek
r = jumlah anggota pasangan
 DISTRIBUSI PROBABILITAS

Distribusi nomial (Gauss)

adalah distribusi dari variabael acak kontinu.
Distribusi ini merupakan distribusi yang paling
penting dan paling banyak digunakan dibidang
statistika.
Exponensial untuk distribusi normal digambarkan
Gambar
dengan rumus : Distribusi normal
 DISTRIBUSI BINOMIAL

adalah suatu distribusi teoretis yang menggunakan

variabel random diskrit yang terdiri dari dua kejadian yang
berkomplemen, seperti sukses-gagal, ya-tidak, baik-cacat,
kepala-ekor.
Contoh perhitungan :
Pobilitas bayi yang tidak
diimunisasi plio adalah 0.2 pada
suatu hari di puskesmas PQR
terdapat 4 bayi. Berapa peluang 2
diantara keempat bayi tersebut
yang belum diimunisasi polio
 DISTRIBUSI SEMPLING

Dasar statistic inferens adalah “distribusi

sampling”. Dengan demikian, distribusi sampling
perlu dipahami dahulu sebelum membicarakan
materi estimasi dan ujihipotesis. Distribusi sampling
adalah distribusi dari rerata atau mean sampel yang
diambil secara berulang dari populasi. Oleh karena
itu, perlu diketahui ketentuan yang dapat
membedakan beberapa ukuranan taras ampel dan
populasi
 PENGERTIAN POPULASI DAN SAMPLE

Populasi (universe) adalah keseluruhan unit

analisis yang karakteris- tiknya akan diduga.
Anggota populasi, scperti penderita TB, penderita
HIV, hasil produksi sawah, polutan di suatu industri,
dan lain-lain.
Sampel adalah bagian populasi yang ciri-cirinya
diselidiki atau diukur ,Unit sampel dapat juga
berbeda.
 POPULASI, SAMPLE

nilai (karateristik) sample Populasi

Statistik Parameter
Mean (rerata hitung) s µ
Setandar deviasi x σ
Jumlah unit n N

Sebagai contoh, kita mempunyai populasi yang mempunyai rerata = µ dengan

N elemen dan standar deviasi σ, maka hal yang dilakukan adalah:
1. Pengambilan secara random besaran n (X1, X2, …xn), lalu menghitung rerata x
dan simpangan baku (s). sampel yang diambil secara berulang kali ini
menghasilkan bermacam-macam nilai rerata. Dari sampel satu sampai sampel ke
m didapatkan rerata hitung X1… xm.
2. Setelah disusun, mean atau rerata dari sampel-sampel ini (X1…xm) akan
membentuk distribusi. Distribusi dari nilai rerata sampel ini yang kemudian
disebut distribusi sampling harga mean.
 STANDAR ERORR

Adalah standar deviasi dari rata-rata bila kita

hitung nilai standar deviasi dari tiga buah nilai
rata-rata tersebut. Maka nilai standar deviasi dari
nili rata rata tersebut disebut nilai standar error .

Contoh pergitungan :
Dketahui populasi lima penderita penyakit
Dyang memiliki masa inkubasi yang digambakan
sebagai berikut.
 No. Pasien Masa inkubasi
1 2
2 3
3 6
4 8
5 11

µ = 6 hari berasal dari 2+3+6+8+11/5

O²= 10,8 hari berasal dari
O = √10,8 = 3,20 hari
Diambil sempel dengan besaran n = 2
Dari populasi tersebut, kemungkinan sampel yang disapatkan adalah 5² =
25.
Dari distribusi sampling (data pada kolom 4), didapatkan:
2  2,5  4  ...s...11  6...  

25
 ² 10,8
Varian (SE²)    5,4 Sehingga SE =√5,4=2,32 hari
 2
 Dalil limit pusat
( central limit theorem)

Adalah hubungan antara bentuk distribusi populasi dengan bentuk

distribusi sampling rata rata. Hubungan tersebut adalah sebagai berikut:
1. Rata-rata dari distribusi rata-rata sampel sama dengan rata-rata populasi
dan tidak bergantung pada besarnya sample dan bentuk distribusi populasi.
µ₂ = µ
2 Dengan penambahan jumlah sample maka distribusi rata rata sample
akan mendekati distribusi normal dan tidak bergantung pada bentuk distribusi
populasi
CONTOH:
Misalkan, jumlah kunjungan di puskesmas per tahun
berdistribusi miring kekiri dengan rata rata 60 orang per haridan di
deviasi standar sebesar 20.Bila kita ambil sample sebesar 30 hari buka
maka bebera paprobabilitas jumlah kunjungan lebih dari 65 0rang?
JAWABAN:
Pertama Tama hitunglah kesalahan baku rata rata kemudian
hitunglah nilai Z untuk 65 orang lalu kurangkan hasil ini dengan 0,5
luas kurva

Peluang Z=1,37 adalah 0,085 atau 8,5%.

Jadi pada intinya, jika terdapat sampel berukuran n
dan mempunyai rata-rata x bar yang diambil dari
suatu populasi berukuran N yang besar dengan
sembarang distribusi dan rata-rata miu serta
simpangan baku sigma kecil maka distribusi rata-
rata akan mendekati distribusi normal