1

POPULASI

SAMPEL DA TA DA TA
KOTOR

DIOLAH
ARRAY

KESIMPULAN DISAJIKAN

2
ANALISIS
@ BIOSTATISTIK
Ilmu yang mempelajari tentang metode pengumpulan dan
pengolahan data dalam bidang biomedis serta pengambilan
kesimpulan tentang populasi berdasarkan sampel.
@ BIOSTATISTIK DESKRIPTIF
- Pengumpulan data
- Pengolahan data
- Penyajian data
@ BIOSTATISTIK INFERENSIAL
Mempelajari tata cara pengambilan kesimpulan dengan
melakukan “INFERENSI” atau generalisasi hasil dari sampel
3
untuk populasinya
@ DATA adalah: hasil pengukuran dari variabel suatu
obyek yang diteliti

@ VARIABEL adalah: karakteristik yang dapat diamati atau

diukur dari suatu obyek yang nilainya bisa berbeda-
beda dari suatu obyek
ke obyek lainnya.

@ JENIS DATA
1. Data kuantitatif/numerik: data yang bisa dimanipulasi
secara matematik, bisa diterapkan aturan +, - , x dsb,
mis: umur, TB,BB
2. Data kualitatif/kategori: data dimana aturan matematika
tidak dapat diterapkan,
mis: pekerjaan, pendidikan, status gizi 4
SKALA PENGUKURAN DATA

1. Skala Ratio
- mempunyai titik nol sehingga bisa dilakukan perbandingan rasio
- Jarak antara nilai diketahui
- setiap kategori mempunyai urutaan nilai
2. Skala Interval
- tidak mempunyai titik nol sehingga tidak dapat dilakukan perbandingan rasio
- Jarak antara nilai diketahui
- setiap kategori mempunyai urutan nilai
3. Skala Ordinal
- tidak mempunyai titik nol
- jarak antara kategori tidak diketahui
- setiap kategori mempunyai urutan nilai
4. Skala Nominal
- tidak mempunyai titik nol; jarak antara kategori tidak diketahui
- setiap kategori mempunyai urutan nilai
- kategori hanya merupakan simbol atau label saja
5
 SKALA PENGUKURAN DATA

Kriteria Nominal Ordinal Interval Ratio

Membedakan + + + +

Menentukan urutan - + + +

Mengukur besar - - + +
beda
Mengukur kelipatan - - - +

6
Ada 4 bentuk inferensi utama

1. Perbedaan
2. Hubungan
3. Pengaruh
4. Trend

7
PENELITIAN

POPULASI SAMPEL

UNTUK MENGETAHUI BIOSTATISTIK

PARAMETER POPULASI INFERENSIAL

- Parameter populasi sering tidak diketahui,meskipun

distribusinya diketahui, misalnya: distribusi normal
- μ, σ
8
@ Untuk mengetahui parameter populasi:
1. Estimasi (pendugaan)
2. Pengujian hipotesis

@ Kedua cara ini didasarkan pada statistik

atau besaran yang dihitung dari sampel,
sehingga kita harus mengambil sampel.

9
 Hubungan antara populasi dan sampel
POPULASI sampling
N
^
φ = x, s, p
φ = μ, σ,P
SAMPEL
^
θ bisa dihitung setelah mengambil sampel secara
berulang dari populasi
θ bersifat teoritis atau abstrak oleh karena sering tidak
^
diketahui, sedang θ bersifat empiris atau nyata
karena dapat dihitung dari sampel
10
^
θ yang dipakai untuk menduga θ harus
merupakan penduga yang baik, ciri-ciri:

1. Tidak bias
^
E(θ) = θ
2. Efisien, artinya: bila ada lebih dari satu
penduga, maka penduga yang efisien
mempunyai varians yang kecil.

3. Konsisten, artinya: bila sampel yang

^
diambil makin besar, maka nilai θ makin
11
mendekati nilai θ
I. Pendugaan Titik (Estimasi Titik)
Nilai parameter θ dari populasi hanya diduga
dengan memakai satu nilai
^
statistik θ dari sampel yang diambil dari
populasi tsb.

CONTOH:
Kita ingin menduga berapa nilai rata-rata
tinggi badan orang Indonesia diambil
sampel acak 1000 orang  ukur TB nya------
rata-rata TB  x = 164 cm.
Nilai rata-rata (164 CM) inilah yang disebut
penduga TB
Karena hanya ada satu nilai ----PENDUGA TITIK12
 Penduga titik dari parameter
populasi:
_
1. X = ∑x/n ------------- penduga titik untuk μ
_
2. s2 = ∑(xi – x)2/n-1 ---- penduga titik untuk σ2

^
3. Proporsi = p = x/n ----penduga titik untuk P
= X/N

13
Kelemahan penduga titik:

- Tidak dapat ditentukan derajat

keyakinan atau derajat
kepercayaan dari nilai penduga
(θ) yang diperoleh dari sampel.

- Nilai θ sangat bergantung pada

sampel yang diperoleh dari
populasi ----- nilai berbeda bila
sampel berbeda

14
II. Pendugaan Interval
= Nilai parameter dari populasi diduga dengan
memakai beberapa nilai statistik yang berada
dalam suatu interval
^ ^
θ1 < θ < θ2
Misalnya:
Rata-rata tinggi badan (TB) orang Indonesia
diduga berada pada interval 160 cm < θ < 166 cm
- Makin lebar intervalnya, makin besar kepercayaan
/keyakinan kita bahwa rata-rata TB berada pada
interval tsb.
- Makin lebar interval, makin yakin akan dugaan
yang dibuat.
@ Derajat kepercayaan penduga θ disebut koefisien
kepercayaan (α) yang dinyatakan dalam bentuk
15
probabilitas : 0 <α<1
@ Derajat kepercayaan terhadap interval
θ1 < θ < θ2 dinyatakan dalam bentuk:
^ ^
P( θ1 < θ < θ2) = nilai tertentu

@ Misalnya, P( θ1 < θ < θ2) = 0,95 artinya:

dengan probabilitas 0,95, sampel acak yang
kita ambil akan menghasilkan interval
^ ^
θ1 < θ < θ2 yang mengandung parameter θ
dari populasi.

@
16
Dalam statistik biasanya dipilih interval yang
lebih pendek tetapi dengan derajat
kepercayaan yang tinggi.
^ ^
P (θ1 < θ < θ2) = 1 – α

α = koefisien kepercayaan
1 – α = derajat kepercayaan

^ ^
P (θ1 < θ < θ2) = Interval kepercayaan

17
 ESTIMASI INTERVAL
1. PENDUGAAN PARAMETER μ
- Sampel besar
- Sampel kecil

2. PENDUGAAN PARAMETER PROPORSI (P)

3. PENDUGAAN PARAMETER BEDA DUA NILAI

RATA-RATA (μ1 – μ2)

4. PENDUGAAN [PARAMETER BEDA DUA NILAI

PROPORSI (P1 – P2) 18
1. PENDUGAAN PARAMETER μ

a. PENDUGAAN PARAMETER POPULASI

DGN SAMPEL BESAR
Bila dari suatu populasi diambil sampel
acak yang besar, maka statistik penduga
parameter akan mempunyai distribusi
normal, sehingga dpt ditransformasi
menjadi “distribusi normal standar”.
Interval kepercayaan untuk pendugaan
parameter μ bila s diketahui adalah:

P(X – Zα/2. SE < μ < X + Zα/2. SE ) = 1 - α

SE = s/√n 19
CONTOH SOAL:
Dari populasi pegawai suatu perusahaan diambil
sampel acak 100 orang dan dicatat gaji tahunan
masing-masing-pegawai. Diperoleh rata-rata dan
simpangan baku gaji mereka adalah X = Rp
30.000.000 dan s = Rp 6.000.000
Berapa rata-rata gaji yang sebenarnya dari
pegawai tersebut pada selang kepercayaan 95%.
JAWAB:
SE = s/√n = 6000000/ √100 = 600.000
Untuk interval kepercayaan 95%  Z = 1,96
P ( 30.000.000 – 1,96 * 600.000 < μ < 30.000.000 +
1,96 * 600.000) = 0,95
P ( 28.824.000 < μ < 31.176.000) = 0.95
Artinya, kita percaya 95% bahwa rata-rata gaji
pegawai tersebut berkisar antara Rp 28.824.000 20
sampai dengan 31.176.000
SOAL LATIHAN:
1. Seorang petugas laboratorium ingin menaksir rata-rata
daya tahan reagen yang ada di lab nya. Untuk maksud
tsb maka dipilih secara acak 100 reagen dan diperoleh
hasil rata-rata daya tahan reagen tsb = 12 bulan dengan
deviasi standar 15 hari. Tentukan estimasi intervalnya
pada derajat kepercayaan 90%.
2. Seorang kepala RS ingin mengetahui/menaksir
pemakaian antibiotik perhari di RS nya. Maka dilakukan
pengamatan selama 10 hari kerja, diperoleh informasi
rata-rata jumlah pemakaian = 1000 tablet dengan
deviasi standar = 50. Tentukan interval estimasinya
pada tingkat kepercayaan 90%.

21
b. PENDUGAAN PARAMETER
POPULASI DGN SAMPEL KECIL
Bila interval estimasi dilakukan dgn sampel
kecil (n<30) maka distribusi normal standar
tdk dapat digunakan, tetapi harus
menggunakan “distribusi t”

Syarat menggunakan distribusi t:

- n < 30
- σ tidak diketahui

22
2. PENDUGAAN PARAMETER
PROPORSI (P)
Interval kepercayaan untuk pendugaan
parameter P adalah:

P(p – Zα/2. SE < P < p + Zα/2. SE ) = 1 – α

p(1 - p)
δp = SE = √ -------------
n

23
CONTOH SOAL:
Pada suatu sampel acak berukuran 500
disuatu kota ditemukan 340 orang
diantaranya berstatus gizi lebih. Hitunglah
interval kepercayaan 95% untuk menduga
berapa sesungguhnya penduduk di kota tsb
yang berstatus gizi lebih !.
JAWAB:

p = 340/500 = 0,68
(0,68) x (0,32)
SE = √ --------------------- = 0,02
500 24
P(p – Zα/2. SE < P < p + Zα/2. SE ) = 1 – α

P [0,68 - (1,96) (0,02)< P < 0,68 + (1,96)(0,02)]

= 0,95
P [0,641 < P < 0,791] = 0,95
Jadi interval kepercayaan untuk penduga p
adalah P [0,641 < P < 0,791] = 0,95 
artinya: kita percaya 95% bahwa proporsi
penduduk kota tersebut yang berstatus gizi
lebih adalah 64,1% sampai 79,1 %.
25
 SOAL LATIHAN:
1. Ingin diketahui berapa proporsi ibu hamil
sebenarnya yang telah mendapatkan
immunissasi TT pada tingkat kepercayaan 95%.
Untuk maksud tsb diambil sampel acak 100
wanita hamil, dari sampel tersebut ternyata
hanya 60 yang telah mendapat immunisasi TT.

2. Dari sampel 550 orang penderita yang berobat

di suatu RS, 10 orang diantaranya adalah anak-
anak. Berapa interval estimasi persentase
penderita anak-anak yang datang berobat pada
derajat kepercayaan 90%.

26
3. Pendugaan parameter perbedaan
dua nilai rata-rata
a. SAMPEL BESAR

P[(X1-X2)– Zα/2. SE <(μ1- μ2)< (X1-X2) + Zα/2. SE]

=1-α

(x1 – x2) ± Z. SE

Nilai SE bila s12 = s22 

SE= σp√ 1/n1 + 1/n2
= sp = sg
Bila s12 ≠ s22 
SE = √ s12/n1 + s22/n2 27
 uji kesamaan varians menggunakan uji
Bartlet:
s 12
F = ------ ~ Fα; df1, df2 (F-Tabel)
s22
 Bila F-hitung < F-tabel  Varians
homogen atau varians sama dan
 Bila F-hitung > F-tabel  Varians tidak
homogen atau tidak sama

28
CONTOH SOAL
1. Pada pengamatan selama 50 hari kerja pada 2
buah RS diperoleh informasi rata-rata kunjungan
perhari di Rumah Sakit A = 60 orang sedangkan
Rumah sakit B = 50 orang dengan deviasi
standard = 5 orang. Berapa selisih rata-rata jumlah
kunjungan di kedua RS tsb pada tingkat
kepercayaan 95%.

29
a. SAMPEL KECIL

(x1 – x2) ± t. SE

SE bila s1=s2 
(n1-1)s12 + (n2-1)s22
SE = √ -----------------------------
(n1+n2)-2
SE bila s1≠s2 

SE = √ s12/n1 + s22/n2
30
 Df jika varians tidak sama:
[(s12/n1) + (s22/n2)]
 df = ----------------------------
s12/n1 s22/n2
----------- + -----------
n1-1 n2-1

31
 Contoh Soal:

Pada pengamatan selama 50 hari kerja pada 2

buah RS diperoleh informasi rata-rata
kunjungan perhari di Rumah Sakit A = 60
orang sedangkan Rumah sakit B = 50 orang
dengan deviasi standard = 5 orang. Berapa
selisih rata-rata jumlah kunjungan di kedua
RS tsb pada tingkat kepercayaan 95%.

32
 1 1
 SE = Sp √ ---- + ----- 
n1 n2

(n1-1)s12 + (n2-1)s22
Sp = √ -----------------------
(n1+n2)-2

33
 (50 – 1) 52 + (50 – 1) 52
 sp = √----------------------------------
(50+50) – 2

1225 + 1225
= √-------------------
98
2450
= √ ---------- = √25 = 5
98
34
 1 1
 SE = 5 √ ----- + -------
50 50
= 5 √ 0,04 = 5 * 0,2 = 1
P[(x1-x2) – Zα/2. SE < μ1- μ2 < (x1-x2) + Zα/2. SE )] = 1 – α

P[(60 – 50) – (1,96) (1)< μ1- μ2< (60-50) + (1,96)(1) ]= 1–α

P[ (10 – 1,96 )< μ1- μ2< (10 + 1,96) = 0,95
P[ 8,04 < μ1- μ2< 11,96] = 0,95

Kesimpulan:
 Pada tingkat keyakinan 95%, selisih rata-rata jumlah
kunjungan di kedua RS diestimasi = 8 sampai 12
kunjungan. 35
4. Pendugaan parameter
perbedaan dua nilai proporsi

Interval kepercayaan =

p1q1 p2q2
(p1-p2) ± zα/2 √--------- + ----------
n1 n2

36
 Contoh Soal:
Ingin diduga berapa perbedaan proporsi yang
sebenarnya dari kasus gizi buruk pada balita
di daerah perkotaan dan perdesaan pada
interval kepercayaan 90%. Untuk maksud
tersebut, diambil sampel acak 40 balita di
daerah perkotaan dan 60 balita didaerah
perdesaan. Hasil observasi menunjukkan
bahwa, kasus gizi buruk = 35 di wilayah
perkotaan dan 25 balita di wilayah perdesaan.

37
Jawab: p1 = 35/40 = 0.875
p2 = 25/60 = 0.417

0,875 (1- 0,875) 0,417(1 - 0,417)

 SE = √ ---------------------- + -----------------------
40 60

0.109 0.243
= √ --------- + ---------- = √ 0,007
40 60

SE = 0,084
38
 P[(0,875 – 0,417) – 1,65 * 0,084 < P1- P2 < (0,875 –
0,417) + 1,65 * 0,084]=0,90

P[0,458 – 0,139 < P1-P2 < 0,458 + 0,139] = 0,90

P[ 0.319 <P1-P2 < 0,597] = 0,90

 Kesimpulan: pada interval kepercayaan

90%, perbedaan proporsi kejadian gizi
buruk di daerah perkotaan dan perdesaan
diestimasi = 31,9% sampai 59,7%

39
 Tugas -1
 Buat masing-masing satu contoh dari setiap
bahasan yang telah diberikan:
- Estimasi nilai Mean
- Estimasi nilai proporsi
- Estimasi perbedaan dua nilai mean
- Estimasi perbedaan dua nilai proporsi

40
41