Fakultas Kesehatan Masyarakat Universitas Jambi • Pada statistik deskriptif : bagaimana mendapatkan deskripsi dari data yang diolah atau yang dikumpulkan untuk mendapatkan informasi yang terkandung di dalamnya. • Pada statistik inferesnsial : bagaimana menggeneralisasi informasi yang telah didapatkan. • Sebagai contoh, dari suatu rapid survei yang dilakukan di Tangerang dengan mewawancarai balita (sampel) didapatkan bahwa yang melakukan pemeriksaan sampai K4 pada kehamilannya sebanyak 20%. • Hasil ini didapat dari sampel, dengan maksud mengetahui nilai sebenarnya yang melakukan pemeriksaan K4 di Tangerang. • Data dari pengumpulan sebanyak 210 ibu tersebut ingin kita perlakukan menjadi informasi untuk populasinya (Tangerang) memggunakan metode statistik inferensial. • Statistik inferens adalah semua cara atau metode yang digunakan untuk menggenarilasasi hasil dari suatu sampel menjadi hasil populasi. • Dasar di dalam statistik inferens adalah distribusi sampling. • Distribusi sampling adalah distribusi dari mean-mean sampel yang diambil secara berulang kali dari suatu populasi. Beberapa ukuran-ukuran Sampel Populasi Niali (Karakteristik) Statistik Parameter Mean 𝑥ҧ 𝜇 Standar deviasi s 𝜎 Jumlah unit n N Misalkan kita mempunya suatu populasi yang mempunyai mean = 𝜇 dengan N elemen dan standar deviasi 𝜎.
1. Dilakukan pengambilan sampel random besarnya n (x1,
x2, …. Xn), dihitung rata-rata x dan simpangan baku s. sampel yang diambil berulang kali ini akan menghasilkan bermacam-macam nilai rata-rata. Dari sampel satu sampai sampel ke m didapatkan rata-rata hitung 𝑥ҧ 1,..…., 𝑥ҧ m. 2. Mean atau rata-rata dari sampel-sampel ini (𝑥ҧ 1,..…., 𝑥ҧ m) kalau disusun akan membentuk suatu distribusi. Distribusi dari nilai mean-mean sampel inilah yang disebut distribusi sampling harga mean. Sifat-Sifat Distribusi Sampling • Sifat distribusi sampling ini disebut Central Limit Theorem (Teorema limit pusat). • Sifat inilah yang mendasari teori statistik inferens. Sifat 1 • Apabila sampel-sampel random dengan n elemen masing-masing diambil dari suatu populasi normal, yang mempunyai mean = 𝜇, varian (akar dari standar deviasi) 𝜎 2, distribusi sampling harga mean akan mempunyai mean sama dengan 𝜇 dan varian 𝜎2/n atau standar deviasi σ/ 𝑛. Standar deviasi distribusi sampling harga mean ini dikenal sebagai “Standar Error” (SE) Sifat 2 • Apabila populasi berdistribusi normal, distribusi sampling harga mean juga akan berdistribusi normal. • Maka berlaku sifat seperti persamaan di bawah ini : 𝑥ҧ − 𝜇 𝑍= 𝑆𝐸 • Z score adalah nilai deviasi relatif antara nilai sampel dan populasi = distribusi normal standar. Sifat 3 • Walaupun populasi berdistribusi sembarang, kalau diambil sampel-sampel berulang kali secara randam, distribusi harga meannya akan membentuk distribusi normal. Contoh (Sifat 3) • Ada 5 orang (populasinya) penderita penyakit D, dimana masa inkubasinya adalah sbb : No Pasien Masa Inkubasi (hari) 1 2 2 3 3 6 4 8 5 11
• 𝜇 = 6 hari dari (2+3+6+8+11)/5
σ(𝑥−𝜇) ҧ 2 • 𝜎2 = 10,8 hari berasal dari 𝑛−1 • 𝜎 = 10,8 = 3,29 ℎ𝑎𝑟𝑖 • Jika diambil sampel sebanyak 2. • Dari populasi ini, kemungkinan sampel yang terjadi adalah 52 = 25. • Dari distribusi sampling (data diatas) didapatkan : 2 + 2,5 + 4 + ⋯ + 11 𝑥Ӗ 𝑥 ҧ = = 6 ….= 𝜇 25 σ( 𝑥Ӗ − 𝑥) ҧ 2 𝑉𝑎𝑟𝑖𝑎𝑛 (𝑆𝐸 2 ) = = 5,4 … . 𝑛−1 Nilai ini sama dengan = 𝜎2/n = 10,8/2 𝜎2 = 10,8 𝑆𝐸 = 5,4 = 2,32 ℎ𝑎𝑟𝑖. • Distribusi sampling harga mean dari 25 sampel yang diperoleh dari 5 populasi di atas kalau digambarkan dalam bentuk kurva akan membentuk kurva simetris (kurva normal umum). Sebagai sifat dari distribusi sampling, maka sifat-sifat kurva normal dapat diperlakukan. Nilai Tengah dari 25 sampel Mean 6.000 Median 6.000 Mode 7.0 Daftar Pustaka Sabri, L dan Hastono, S. P. (2014). Statistik Kesehatan. Rajawali Press, Jakarta.