PENGANTAR BIOSTATISTIK

KONSEP STATISTIK
STATISTIK
BIOSTATISTIK
Definisi
 Biostatistik = Statistik Kesehatan
 Statistik = Asal kata :

 Status (Latin) = Negara

 State (English) = Negara

Why State ?
Perkembangan Statistik
 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, pendidikan dll
Perkembangan Statistik
 Dalam perkembangannya  penyelesaian
masalah dengn pendekatan ,a.l :
 Statistika arti sempit
 Statistika arti luas

(Sutrisno Hadi, 1994:221)

Statistik arti sempit
 Statistika deskriptip  deskripsi ttg data dg penyajian bentuk :
 Tabel
 Diagram
 Pengukuran tendensi sentra (median-kuartil-desil-presentil)
 Pengukuran penyimpangan (range-rentangan antar kuartil-
simpangan rata2-simpangan baku-varians-angka baku)
 Angka indeks
 Kekuatan hubungan 2 variabel
 Peramalan dg analisis regresi linier
 Komparatif
Statistik arti luas
 Statistika inferensial atau induktif atau
probabilitas
 Alat pengumpul data, pengolah data,
menarik kesimpulan, generalisasi

 Sesuai dg Sudjana (1992:3)

Sudjana (1992:3)
 Statistika adalah ilmu terdiri dari teori dan
metoda yang merupakan cabang dari
matematika terapan dan membicarakan tentang :
bagaimana mengumpulkan data, meringkas
data, mengolah dan menyajikan data, bagaimana
menarik kesimpulandari hasil analisis,
menentukan keputusan dalam batas-batas resiko
tertentu berdasarkan strategi yang ada.
Contoh statistik
1. Suatu studi dilakukan untuk melihat efek
dari paparan gas CO terhadap polisi lalu
lintas.
Contoh statistik
2. Dosen biostatistik Akademi Kebidanan
PBH Batusangkar ingin mempelajari
hubungan nilai ujian Biostatistik dengan
tingkat kehadiran mahasiswa.
Statistika Kesehatan

 Data /informasi yang berkaitan dengan

masalah kesehatan
Contoh :
AKI, Sarana kesehatan, cakupan
imunisasi, dll
Fungsi Statistika Kesehatan
 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
TUJUAN STATISTIK
1. Memberikan gambaran/
ukuran mengenai status/
derajat kesehatan. Contoh:
 Angka Kematian Bayi
 Angka Kematian Ibu
TUJUAN STATISTIK (2)
2. Untuk evaluasi program
kesehatan.
Contoh: Status Kesehatan
*10 th yll AKI = 125/100000
*Sekarang AKI = 75/100000
TUJUAN STATISTIK (3)
3. Untuk merencanakan
program kesehatan
Contoh:
Didapat data pola penyakit
di suatu daerah  Dasar
pengalokasian sumber
daya kesehatan
Pengelompokan Statistika
1. Statistika Deskriptif
Statistika Deskriptif: statistika yang
menggunakan data pada suatu kelompok untuk
menjelaskan atau menarik kesimpulan
mengenai kelompok itu saja
Cth :
Untuk menggambarkan karakteristik penduduk
diperlukan data seperti: umur, jenis kelamin,
status perkawinan, dsb
2. Statistika Inferensal
statistika yang menggunakan data dari suatu
sampel untuk menarik kesimpulan mengenai
populasi dari mana sampel tersebut diambil
Cth :
 Untuk menganalisa hubungan
pertambahan berat badan Ibu hamil dengan
berat lahirdi daerah Cibinong diambil sampel
di RSUD Cibinong
Pengelompokan lainnya
 Statistika Parametrik:
 Menggunakan asumsi mengenai populasi
 Membutuhkan pengukuran kuantitatif dengan
level data interval atau rasio
 Statistika Nonparametrik (distribution-free
statistics for use with nominal / ordinal data):
 Menggunakan lebih sedikit asumsi mengenai
populasi (atau bahkan tidak ada sama sekali)
 Membutuhkan data dengan level serendah
rendahnya ordinal (ada beberapa metode untuk
nominal)
Statistik Parametrik
 Contoh metode statistik parametrik :
 a. Uji-z (1 atau 2 sampel)
 b. Uji-t (1 atau 2 sampel)
 c. Korelasi pearson,
 d. Perancangan percobaan (one or two-way anova parametrik), dll.

Ciri-ciri statistik parametrik :
 - Data dengan skala interval dan rasio
 - Data menyebar/berdistribusi normal

 Keunggulan dan kelemahan statistik parametrik : 

 Keunggulan :
 Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran
terhadap data dilakukan dengan kuat.
 Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen.
 Kelemahan :
  Populasi harus memiliki varian yang sama.
  Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.
  Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan bervarian sama, dan harus merupakan
kombinasi linear dari efek-efek yang ditimbulkan.
Statistik Non-Parametrik
 Contoh metode statistik non-parametrik :
 a. Uji tanda (sign test)
 b. Rank sum test (wilcoxon)
 c. Rank correlation test (spearman)
 d. Fisher probability exact test.
 e. Chi-square test, dll

Ciri-ciri statistik non-parametrik :
 - Data tidak berdistribusi normal 
 - Umumnya data berskala nominal dan ordinal
 - Umumnya dilakukan pada penelitian sosial
 - Umumnya jumlah sampel kecil 
Statistik Non-Parametrik
 Keunggulan dan kelemahan statistik non-parametrik :  
 Keunggulan :
 Tidak membutuhkan asumsi normalitas.
 Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah dimengerti jika dibandingkan dengan statistik
parametrik  karena ststistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya statistik parametrik.
 Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang (ordinal).
 Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang secara formal karena sering dijumpai hasil
pengamatan yang dinyatakan dalam data kualitatif.
 Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada pengamatan yang nyata.
 Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi dapat digunakan pada populasi
berdistribusi normal.


 Kelemahan :
 Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.
 Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik parametrik.
 Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti pada statistik parametrik. Hal ini dikarenakan
statistik non-parametrik mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu. (Khairul
Amal)

PENGORGANISASIAN DATA

PENGUMPULAN DATA
PENGOLAHAN DATA
PENATAAN & PENYAJIAN DATA
Macam - Macam Data
1. Data Primer
Dikumpulkan secara langsung oleh peneliti

2. Data Sekunder
Diperoleh dari orang / tempat lain.
Misal : RM RS. Lebih hemat waktu, biaya,
tenaga. Tetapi kadang tidak lengkap /
tidak sesuai
SKALA PENGUKURAN
 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.
Contoh “variabel”
 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 bidan
 variabel yang akan dinilai adalah …
Skala Pengukuran

1. Nominal
2. Ordinal
3. Interval
4. Rasio
1. Nominal
 Nilai dapat dibedakan/klasifikasi
pengamatan dapat dilakukan
 Nilainya sederajat

 Contoh: Jenis Kelamin, Agama

2. Ordinal
 Nilai dapat dibedakan
 Ada tingkatan/ urutan pengamatan dapat
dilakukan tapi belum ada jarak.
 Contoh: Pendidikan; SD, SMP, SMU
 Status Ekonomi: Baik, Sedang,
kurang
3. Interval
 Nilai dapat dibedakan
 Ada tingkatan
 Ada jarak.
Contoh: Suhu/ temperatur
 20’ dan 40’ (Panas 40’ bukan berarti 2x20’)
4. Rasio
 Nilai dapat dibedakan
 Ada tingkatan
 Ada jarak.40
 Sudah ada kelipatan
Contoh: Berat badan

 Berat 80 kg = 2 x berat 40 kg
Konsep dasar statistik

1. Populasi adalah:
Seluruh unit/ subyek yang diteliti  Subyek/unit
berupa individu, keluarga, puskesmas, RS,
buku (cth: populasi buku)
Konsep dasar statistik

2. Sampel adalah:
Bagian dari populasi yang karakteristiknya
mewakili populasi  Pada populasi dengan
jumlah sedikit, sampel di random.
(Random artinya adalah setiap anggota
populasi punya kesempatan yang sama
untuk terpilih)
Sampel
1. Homogen (karakter hampir sama)
 sampel yang diambil jumlahnya sedikit
Cth : air laut, untuk mengetahui rasa laut
cukup diambil sampel air laut sedikit.

2. Heterogen (karakter berbeda-beda)

 sampel yang diambil lebih banyak
cth: untuk mengetahui berat badan siswa. Ada
rumus mengambil jumlah sampel yang dapat
dipertanggungjawabkan
any question ?