dr.Makbruri, M.

Biomed
Modul Riset, 10-12-2019
 Pengertian biostatistik
 Tujuan
 Manfaat
 Ruang lingkup
 Jenis-jenis biostatistik
 Statistika:
Seperangkat metode yang membahas cara
pengumpulan data, cara mengolah data,
cara menganalisa data dan cara mengambil
keputusan.

 Statistik :
Kumpulan fakta yang membentuk angka-
angka dalam bentuk daftar atau tabel yang
menggambarkan suatu persoalan.
Statistika dalam Kehidupan Sehari-hari
Kemajuan ilmu pengetahuan dan teknologi tidak
dapat dipisahkan dari statistika

Jaeger (1990) menyimpulkan bahwa statistika

tidak dapat dipisahkan dari kehidupan para
peneliti, pendidik, manajer, analis olahraga,
analisis politik, pengusaha & hampir semua orang
yang terdidik.

Keperluan akan statistika berbeda-beda, baik

tingkat kedalamannya maupun jenis tekniknya
 Biostatistik = Statistik Kesehatan

 Statistik = Asal kata :

 Status (Latin) = Negara

 State (English) = Negara

Why State ?
 Dulu digunakan untuk data2 yg
berhubungan dengan negara seperti :
 statistik tenaga kerja, statistik
kehutanan, statistik pendidikan, dll

 Sekarang berkembang ke seluruh aspek

kehidupan :
 produk industri, teknologi informasi,
bisnis, hukum, dll
1. Suatu studi dilakukan untuk
melihat efek dari paparan gas
CO terhadap polisi lalu lintas.
2. Dosen FKIK Unib ingin mempelajari
hubungan nilai ujian Biostatistik
dengan tingkat kehadiran
mahasiswa.
 Data /informasi yang berkaitan dengan
masalah kesehatan
Contoh :
AKI, Sarana kesehatan, cakupan
imunisasi, dll
 Menyajikan:
1. Morbiditas
2. Mortalitas
3. Fertilitas
4. Cakupan pelayanan kesehatan
5. Statistik kedokteran
1. Memberikan gambaran/
ukuran mengenai status/
derajat kesehatan.
Contoh:
 Angka Kematian Bayi
 Angka Kematian Ibu
2. Untuk evaluasi program
kesehatan.
Contoh: Status Kesehatan
*10 th yll AKI =
125/100000
*Sekarang AKI =
75/100000
3. Untuk merencanakan
program kesehatan
Contoh:
Didapat data pola
penyakit di suatu daerah
 Dasar pengalokasian
sumber daya kesehatan
1. Menentukan besar masalah
2. Menentukan prioritas masalah
3. Merencanakan suatu program
4. Menentukan potensi masyarakat beserta
sumberdaya lainnya
5. Melakukan evaluasi thd suatu program
6. Melakukan analisis perbandingan
 Perencanaan program pelayanan kesehatan
 Penyelesaian masalah kesehatan
 Analisis berbagai penyakit selama periode waktu
tertentu (time series analysis)
 Menentukan penyebab timbulnya penyakit baru
yang belum diketahui
 Menguji manfaat obat bagi penyembuhan
penyakit (setelah hasil uji klinik dinyatakan
berhasil)
 Secara administratif dapat untuk memberi
penerangan tentang kesehatan kepada
masyarakat
 Biostatistik berguna untuk memberikan
informasi tentang:
1. Karakteristik populasi
 Berapa persen dari populasi yang
menderita TB paru?
 Berapa rata-rata tekanan darah sistolik
populasi obes (BMI> 30)?
2. Hubungan/ pengaruh variabel pada
populasi
 Apakah merokok berhubungan dengan
peningkatan risiko penyakit jantung
koroner (PJK)?
 Apakah pemberian metilprednisolon
dapat mengurangi mortalitas pasien
dengan tetanus?
◦ Informasi itu berguna untuk membantu
mengambil keputusan, membuat
perencanaan, atau memecahkan masalah
1. Mampu mengumpulkan data
2. Mampu mengolah data
3. Mampu menyajikan data
4. Mampu menganalisis data
5. Mampu menarik kesimpulan khususnya dalam
bidang kesehatan.
1. Jenis Statistika berdasarkan pembahasannya:
a. Statistika matematika /statistika teoritis yang lebih
berorientasi pada pemahaman model & teknik-teknik
statistika secara matematis.
b. Statistika Terapan, yang lebih berorientasi pada
pemahaman intuitif atas konsep & teknik-teknik
statistika serta penggunaannya di berbagai bidang.
2. Jenis Statistika berdasarkan Tahapan Tujuan
Analisisnya:

a. Statistika Deskriptif
Bertugas hanya untuk memperoleh gambaran/
ukuran-ukuran
tentang data yang ada di tangan (ukuran sampel,
ukuran
populasi)

b. Statistika Inferensial (to infer = menyimpulkan)

Kita dapat menggunakan data & ukuran sampel untuk
melakukan inferensi tentang populasi (statistika
inilah yang disebut statistika inferensial)
 Berdasarkan asumsi mengenai distribusi populasi data yang
dianalisis, statistika dibedakan menjadi

1. Statistika Parametrik
Jenis ini didasarkan pada model distribusi normal

2. Statistika Nonparametrik
Statistik ini tidak didasarkan pada suatu model distribusi
tertentu

 Statistika juga dibedakan berdasarkan jumlah peubah

(variabel) terikat (dependent variabel) yang dianalisis, yakni
menjadi statistika univariat & statistika multivariat
 Statistika deskriptif :
◦ Membahas cara-cara pengumpulan data
◦ Penyederhanaan angka-angka dari pengamatan
◦ Pengukuran pemusatan dan penyebaran untuk memperoleh
informasi yang lebih menarik

 Kegunaan statistika deskriptif :

◦ Kumpulan data tersaji dengan ringkas dan rapi dan dapat
memberikan informasi inti
◦ Data bisa ditampilkan dengan teknik grafik atau numerik
◦ Dapat mengukur dua karakteristik dari setiap respondennya
dan meneliti hubungan keduanya
◦ Berperan penting dalam persiapan analisa data
Salah satu dampak dari
belum membaiknya Jumlah Pengangguran
sektor riil adalah 11.2
tingginya tingkat 11
pengangguran di

Jumlah (Juta Jiwa)

Indonesia. Pada 10.8

Agustus 2004, jumlah 10.6

pengangguran terbuka
mencapai 10,3 juta, 10.4

Februari 2005 sebesar 10.2

10,9 juta jiwa, dan
10
Februari 2006 mencapai
11,1 juta jiwa 9.8
2004 2005 2006
Tahun
 Statistika Inferensia :
◦ Cara menganalisis data dan mengambil kesimpulan
◦ Dapat menganalisis sebagian data (sampel) atau keseluruhan data
(populasi)
◦ Dilakukan pendugaan parameter
◦ Membuat dan menguji hipotesis
◦ Membuat kesimpulan yang berlaku umum (generalisasi)

 Empat karakteristik utama :

◦ Pengamatan secara acak
◦ Teknik penarikan sampel
◦ Data dalam bentuk angka
◦ Tujuan umum inferensia
 Bagaimana cara
mendapatkannya ?
Contoh Kasus :
Apakah dilakukan
Pada tahun 1990,
survey pada 291.664
diperoleh data di Jawa
pencari pekerja
Barat terdapat 291.664
tersebut?
pencari kerja yang
memuat informasi
Dengan statistika
cukup lengkap
inferensia, sampel
mengenai karateristik
dipilih secara random,
pencari kerja tersebut,
misalnya 2500 pencari
namun data mengenai
kerja. Sampel tersebut
angka pendapatan
digunakan sebagai
tidak tercantum
bahan dugaan terhadap
didalammnya.
keseluruhan pencari
kerja
 Statistik inferensial
Metode statistik untuk
menarik kesimpulan tentang
parameter populasi
menggunakan statistik
sampel:
1. Uji hipotesis – menguji
signifikansi statistik
tentang beda/ hubungan/
pengaruh variabel
2. Estimasi (penaksiran) –
menaksir besarnya beda/
kekuatan hubungan/
pengaruh variabel
 Uji hipotesis
 Apakah pemberian probiotik mempercepat episode
diare pada balita dengan signfikan secara statistik?
 Apakah penggunaan telepon seluler > 10 tahun
berhubungan dengan peningikatan risiko neuroma
otak dengan signifikan secara statistik?
 Estimasi
• Berapa hari lebih pendek episode
diare pada balita yang diberi
probiotik?
• Berapa besar peningkatan risiko
neuroma otak pada pengguna telepon
seluler >10 tahun?
• Pada usia 35 tahun, berapa
probabilitas perokok untuk bisa
melangsungkan hidup sampai usia 70
tahun?
 Uji statistik:
Prosedur formal untuk
menguji secara
kuantitatif kesesuaian
antara hasil
pengamatan (data) dan
hipotesis
 Menolak hipotesis
nol
 Mendukung hipotesis
nol
 Jenis uji statistik:
1. Statistik parametrik
2. Statistik non-
parametrik
 Statistika Parametrik :
◦ Bagian dari statistika inferensia yang mempertimbangkan
nilai dari satu atau lebih parameter populasi
◦ Membutuhkan data yang berskala pengukuran minimal
interval
◦ Berpijak pada asumsi spesifik mengenai bentuk distribusi
populasi yang diasumsikan normal

 Statistika Non-Parametrik :
◦ Bagian dari statistika inferensia yang tidak
mempertimbangkan nilai dari satu atau lebih parameter
populasi
◦ Validitas tidak tergantung pada model peluang yang spesifik
dari populasi
◦ Distribusi data tidak dapat diasumsikan normal
 Dengan bantuan komputer, peneliti dapat dengan
mudah melakukan perhitungan-perhitungan yang
rumit dalam melakukan analisis datanya

 Program komputer memungkinkan melakukan

komputasi dan bahkan interpretasi data

 Beberapa program komputer untuk statistik

◦ SPSS (Statistical Package for the Social Science)
◦ Microsoft Excel
C. Pengukuran & Data Statistik

1. Pentingnya pengukuran dalam penelitian

Pengukuran merupakan kegiatan untuk

menyediakan data yang akan dijadikan masukan
dalam analisis statistika.

Validitas penelitian antara lain amat bergantung

pada validitas data yang diperoleh.

Jika data yang diperoleh tidak valid maka kegiatan

analisis & penafsiran data yang mengikutinya tidak
valid.
 Pengertian data

a. data kuantitatif (berupa angka)

- data diskrit (dari hasil perhitungan)
mis: FKIP memiliki 4 jurusan
- data kontinyu (dari hasil pengukuran)
mis: tinggi badan Khairunnissa 176 cm

b. data kualitatif (non-angka)

data dalam bentuk katagori/atribut

31
Keterangan yang dapat memberikan
gambaran tentang suatu keadaan populasi.
Hasil pengamatan suatu populasi :
- Status
- Informasi
- Keterangan
 Obyektif
 Representatif
 Up to date (kecuali utk penelitian historis /
retrospektif)
1. Data primer :
Data/ yang dikumpulkan sendiri oleh peneliti
( data langsung dari responden )

2. Data Sekunder :
a. Internal : data yang berasal dari lingkungan
sendiri ( medical record )
b. Eksternal :
Data yang diperoleh antar lintas sektor
( biro pusat statistik )
 Akurasi : data yang dikumpulkan setidak-
tidaknya harus mendekati sebenarnya.
(dinilai sebagai validitas)

 Presisi : pengukuran meskipun dilakukan

berulang-ulang oleh siapapun hasilnya tetap
sama.(dinilai sebagai reliabilitas)

 Validitas eksternal : Karakteristik data sampel

harus sama dengan karakteristik data populasi.
Seberapa jauh bisa digeneralisasi termasuk ke
populasi lain
a. Komunikasi (kuesioner dan wawancara)
Bersifat self report ( introspeksi
terhadap diri sendiri)
Kuesioner : - kuesioner pilihan
- Kuesioner isian
Wawancara : - wawancara bebas
- wawancara terpimpin

b. Observasi (pengamatan)
 Dengan pengamatan data dapat dicatat
dengan segera dlm hal ini tidak
tergantung dari ingatan seseorang / data
lampau.
 Mengetahui apa yang diamati
 Perilaku dibuat dalam kategori-kategori
 Unit yang digunakan dalam mengukur kategori
harus jelas
 Harus punya derajat terapan atau generalisasi
 Besar sampel harus ditentukan
 Pengamatan harus reliabel dan valid
 Dalam mengumpulkan nilai dari
variabel perlu diketahui skala
pengukuran dari variabel tersebut.

 Variabel adalah sifat yang akan

diukur atau diamati yang nilainya
bervariasi antara satu objek ke
objek lainnya.
 Untuk mengamati bayi baru lahir
 variabel yang akan diamati adalah berat
badan, panjang badan (nilai ini bervariasi
antara satu bayi dengan bayi lainnya)
 Untuk menilai kinerja dokter
 variabel yang akan dinilai adalah
dokumentasi rekam medik
1. Nominal
2. Ordinal
3. Interval
4. Rasio
 Nilai dapat dibedakan/klasifikasi
pengamatan dapat dilakukan
 Nilainya sederajat

 Contoh: Jenis Kelamin, Agama

 Nilai dapat dibedakan
 Ada tingkatan/ urutan pengamatan
dapat dilakukan tapi belum ada jarak.
 Contoh: Pendidikan; SD, SMP, SMU
 Status Ekonomi: Baik, Sedang,
kurang
 Nilai dapat dibedakan
 Ada tingkatan
 Ada jarak.
Contoh: Suhu/ temperatur
 20’ dan 40’ (Panas 40’ bukan berarti
2x20’)
 Nilai dapat dibedakan
 Ada tingkatan
 Ada jarak.40
 Sudah ada kelipatan
Contoh: Berat badan
 Berat 80 kg = 2 x berat 40 kg
 SKALA

Sifat Ratio Interval Ordinal Nominal

Kelipatan + - - -

Selisih + + - -

Jenjang + + + -

Bedakan + + + +

Contoh Titer Suhu udara pendidikan Jenis

antibodi kelamin
47
 Memberi gambaran yang sistematis tentang peristiwa-
peristiwa yang merupakan hasil penelitian atau
observasi,
 Data lebih cepat ditangkap dan dimengerti,
 Memudahkan dalam membuat analisis data, dan
 Membuat proses pengambilan keputusan dan
kesimpulan lebih tepat, cepat, dan akurat.

48
 Tabel
 Gambar/Grafik

49
 Tabel satu arah
 Tabel arah majemuk
- Tabel dua arah
- Tabel tiga arah

50
Nilai Frekuensi Frekuensi Relatif (%)
Data

a-b f1 f1’
Dimana:
c-d f2 f2’
e-f f3’ fi
f3
fi '  n
x100%
g-h f4 f4’ f
i 1
i

i-j f5 f5’
Jumlah n 100

54
Nilai Data Frekuensi Frekuensi Kumulatif

a-b f1 f1

c-d f2 f1+f2

e-f f3 f1+f2+f3

g-h f4 f1+f2+f3+f4

i-j f5 f1+f2+f3+f4+f5

55
Nilai Frekuen Frekuensi Frek relatif
Data si Kumulatif kumulatif (%)
a-b f1 f1 f1’
c-d f2 f1+f2 f2’
e-f f3 f1+f2+f3 f3’
g-h f4 f1+f2+f3+f4 f4’
i-j f5 f1+f2+f3+f4+f5 100

f k
fi '  k 1
x100%
n
56
57
 Grafik garis (line chart),
 Grafik Batangan (bar chart),
 Grafik lingkaran (pie chart),
 Grafik gambar (Pictogram chart)
 Diagram Pencar (Scatter diagram)

58
Untuk Data Kontinyu
 Untuk data diskrit
 Data diskrit atau skala nominal atau skala
ordinal
 Data diskrit atau kategori.
 Menggambarkan %
 Grafik Batang (Bar) Grafik Garis (line)
30
30

20
20

10
10

Jumlah
Count

0
0 administrasi personalia produksi marketing keuangan
administrasi personalia produksi marketing keuangan
bidang pekerjaan
bidang pekerjaan

Grafik lingkaran (pie) Grafik Interaksi (interactive)

800000

keuangan
administrasi

700000

600000

personalia
500000
Mean gaji perbulan

Jenis kelamin
400000
marketing
laki-laki
produksi
300000 w anita
sangat jelek jelek cukup baik baik sangat baik
63
prestasi kerja
1:10

64
A. Modus
Merupakan nilai yang paling sering muncul dalam suatu pengukuran
- kasus sederhana
- kasus interval klas

 b1 
Mo  b  p 
 b1  b2 
dimana:
b : batas bawah interval kelas dengan frekuensi terbanyak
p : panjang kelas
b1 : frekuensi terbanyak - frekuensi kelas sebelumnya
b2: frekuensi terbanyak - frekuensi interval kelas sesudahnya
B. Median
merupakan titik/ nilai yang membagi seperangkat data
menjadi dua bagian sama banyak

P(n/2-fk11)
Me= X11+
fi

dimana:
Me : Median
X11 : batas nyata bawah kelas median
p : panjang kelas
n : banyak data
fk11: frekuensi kumulatif interval kelas di bawah kelas
median
fi : frekuensi kelas median
C. Rata-rata
Merupakan ukuran gejala pusat yang sering digunakan

X= X
n
Rumus lain yang dapat ditulis adalah:
n
X= fiXi
i-1
n

D. Menentukan Rata-rata dari sejumlah sampel

k
X= fiXi
i-1
k
ni
i-1
E. Hubungan antara Modus, median & Rata-rata
gambar dibawah menunjukkan perbandingan letak modus,
median & rata-rata dalam tiga macam bentuk distribusi
a. Data yang distribusinya simetris
Mo= Me= X

b. data yang distribusinya juling ke negatif

X < Me < Mo

c. data yang distribusinya juling ke positif

Mo< Me < X

X X Me Mo Mo Me X
Mo
Me

a = simetris c=juling +
b = juling -
F. Kuartil, desil & Persentil
sejalan dengan konsep median kita juga
memiliki ukuran statistik yang dikenal dengan
sebutan kuartil, desil & persentil
Tiga nilai kuartil (K1, K2 dan K3), sembilan
nilai desil (D1-D9) dan 99 nilai persentil (Pi-
P99)
K2 = D5 = P50 = Median, K1 = P25 dan D6 =
P60
 Ukuran dispersi & variasi

 Statistika sering disebut studi tentang variasi karena

membahas dan menyediakan cara-cara untuk menyelidiki
variasi gejala alam sosial serta membuat kesimpulan tentang
hal-hal yang melatar belakangi terjadinya variasi (Ferguson &
Takane, 1989)
 Para ahli statistika telah mengusulkan sejumlah ukuran yang
dapat membantu memahami variasi suatu perangkat data.
Rentang dapat diartikan sebagai selisih antara skor terbesar
dan skor terkecil pada suatu perangkat data

A. Rentang (R)
Merupakan ukuran yang paling sederhana dan kasar tentang
variasi suatu perangkat data. Rentang dapat diartikan juga
sebagai selisih antara skor terbesar dan skor terkecil pada
suatu perangkat data
 Rentang jarang digunakan utuk menggambarkan variasi
perangkat data, karena beberapa alasan berikut yang saling
berkaitan (Shavelson, 1988: Ferguson & Takane, 1989):
1. Rentang merupakan ukuran yang tidak stabil
2. Rentang tidak mencerminkan pola variasi suatu distribusi
data
3. Rentang bergantung pada besarnya sampel (n)

B. Rentang Antar Kuartil

RAK = K3-K1
= P75-P25
dimana:
RAK: Rentang Antar Kuartil
K1 : Nilai kuartil ke-1
K2 : Nilai kuartil ke-2
P75 : Nilai persentil ke-75
P25 : Nilai persentil ke-25
C. Rata-rata Simpangan
merupakan jumlah harga mutlak skor simpangan dibagi
dengan banyaknya data (n)
n
x =  [Xi-X]
n=1

D. Variasi (s2) dan Simpangan Bku (s)

Merupakan dua buah ukuran yang paling sering digunakan
tentang variasi suatu perangkat data

Variasi adalah kuadrat dari simpangan baku, & sebaliknya,

simpangan baku adalah akar.