RIWAYAT PENDIDIKAN
1. MAN I SEMARANG LULUS 2002
2. AKPER MUHAMADIYAH SEMARANG LULUS 2005 (IPK 3,27)
3. SI KEPERAWATAN MUHAMADIYAH SEMARANG LULUS 2007 (IPK 3,15)
4. S2 FKM UNDIP SEMARANG LULUS 2010 (IPK 3,78)
RIWAYAT PEKERJAAN
1. PERAWAT RSI SULTAN AGUNG SEMARANG 2006
2. PERAWAT HOTEL GRAND CANDI SEMARANG 2007
3. DIREKTUR STIKES AN NUR SEMARANG 2010
4. PERAWAT PUSKESMAS SUI AMBAWANG 2011
5. DOSEN TETAP NON PNS PSIK FK UNTAN
6. DOSEN BIOSTATISTIK STIK MUHAMMADIYAH
7. DOSEN BIOSTATISTIK FKM UMP
8. DOSEN BIOSTATISTIK STIKES YARSI
9. DOSEN BIOSTATISTIK AKPER DHARMA INSAN
1. Konsep Statistika
STATISTIKA :
Kegiatan untuk :
KEGUNAAN
• mengumpulkan data
• menyajikan data
• menganalisis data dengan metode tertentu ?
• menginterpretasikan hasil analisis
Melalui fase
STATISTIKA DESKRIPTIF :
Berkenaan dengan pengumpulan, pengolahan, dan penyajian sebagian
atau seluruh data (pengamatan) tanpa pengambilan kesimpulan
dan fase
STATISTIKA INFERENSI :
Setelah data dikumpulkan, maka dilakukan berbagai metode statistik untuk
menganalisis data, dan kemudian dilakukan interpretasi serta diambil kesimpulan.
Statistika inferensi akan menghasilkan generalisasi (jika sampel representatif)
3. Data
DATA
NOMINAL INTERVAL
ORDINAL RASIO
2. Statistika & Metode Ilmiah
METODE ILMIAH :
Adalah salah satu cara mencari kebenaran yang bila ditinjau dari segi
penerapannya, resiko untuk keliru paling kecil.
5. Mengambil kesimpulan
INSTRUMEN
SAMPEL
SIFAT DATA
PERAN STATISTIKA
VARIABEL
METODE ANALISIS
4. Data
TABEL : memberikan informasi secara rinci. Terdiri atas kolom dan baris
Prestasi Kerja
Bidang pekerjaan Sangat Jelek Cukup Baik Sangat Jumlah
jelek baik baik
Administrasi
Personalia
Produksi
Marketing
Keuangan
Jumlah
9. Membuat Grafik
GRAFIK : memberikan informasi dengan benar dan cepat, tetapi tidak rinci.
Syarat :
1. Pemilihan sumbu (sumbu tegak dan sumbu datar), kecuali grafik lingkaran
2. Penetapan skala (skala biasa, skala logaritma, skala lain)
3. Ukuran grafik (tidak terlalu besar, tinggi, pendek)
Jenis Grafik :
4
• Grafik Batang (Bar)
Sumbu tegak
3
• Grafik Garis (line)
2
• Grafik Lingkaran (Pie)
1
• Grafik Interaksi (Interactive)
0
1 2 3 4
Titik
pangkal Sumbu datar
13. Ukuran Tendensi Sentral
n
X + X2 + X3 + … + Xn
X= 1 Σ Xi
n i =1
n
Bila terdapat sekumpulan bilangan di mana masing-masing bilangannya memiliki frekuensi,
maka rata-rata hitung menjadi :
k
X f + X2 f2 + X3 f3 + … + Xkfk Σ Xifi
X= 1 1
f1 + f2 + f3 + … + fk i =1
k
Σ fi
Cara menghitung : i =1
MEDIAN : nilai tengah dari sekumpulan data setelah diurutkan yang fungsinya membantu
memperjelas kedudukan suatu data.
Contoh : diketahui rata-rata hitung nilai ulangan dari sejumlah siswa adalah 6.55.
Pertanyaannya adalah apakah siswa yang memperoleh nilai 7
termasuk istimewa, baik, atau biasa-biasa saja ?
Jika sekumpulan data banyak bilangannya genap (tidak mempunyai bilangan tengah)
Maka mediannya adalah rerata dari dua bilangan yang ditengahnya.
Contoh : 1 2 3 4 5 6 7 8 8 9 maka median (5+6) : 2 = 5.5
15. Modus
Rata-rata 50 -5 5 30 -25 25
40 -15 15 20 -35 35
30 -25 25 10 -45 45
20 -35 35 10 -45 45
10 -45 45 10 -45 45
Jumlah 0 250 Jumlah 0 390
DR = 250 = 25 DR = 390 = 39
10 10
n
|Xi – X|
Rata-rata DR = Σ
n
i=1
8250 15850
n s= √ 9 = 30.28 s= √ 9 = 41.97
√ Σ (Xi – X)
2
s=
i=1 n-1
Kesimpulan :
Kelompok A : rata-rata = 55 ; DR = 25 ; s = 30.28
Kelompok B : rata-rata = 55 ; DR = 39 ; s = 41.97
Maka data kelompok B lebih tersebar daripada kelompok A
19. Normalitas, Hipotesis, Pengujian
Distribusi Normal : kurva berbentuk bel, simetris, simetris terhadap sumbu yang
melalui nilai rata-rata
Kurtosis = keruncingan
Skewness = kemiringan
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
umr .131 160 .000 .931 160 .000
krja .248 160 .000 .808 160 .000
pddkn .270 160 .000 .802 160 .000
a. Lilliefors Significance Correction
20. Normalitas, Hipotesis, Pengujian
5% 2.5% 2.5%
Uji t : menguji apakah rata-rata suatu populasi sama dengan suatu harga tertentu atau
apakah rata-rata dua populasi sama/berbeda secara signifikan.
Contoh :
Peneliti ingin mengetahui apakah korban yang mengalami kerugian paling besar
memang berbeda dibandingkan dengan korban lainnya.
Ho : k1 = k2
Diperoleh = 2.865.625 ; std. Dev = 1.789.112,5 ; df = 79 ; t hitung = -22.169
α
Berdasarkan tabel df=79 dan = 0.05 diperoleh t tabel = 1.6644
Kesimpulan : t hitung > t tabel sehingga Ho ditolak
korban yang mengalami kerugian paling besar secara signifikan berbeda
dengan korban lainnya
23. Uji t
2. Uji t dua sampel bebas
Menguji apakah rata-rata dua kelompok yang tidak berhubungan sama/berbeda
Contoh :
Peneliti ingin mengetahi apakah ada perbedaan penghasilan setelah bencana antara
korban ringan dengan korban berat
Ho : Pr = Pb
Diperoleh : = 1547368 ; y = 1537500 ; t hitung = .066
D
t= s Di mana D = rata-rata selisih skor pasangan
D
ΣD2 – (ΣD)2
√
sD = Σ d2 Σd =
2
N(N-1) N
Contoh :
Seorang guru ingin mengetahui perbaikan terhadap pengembangan model pembelajaran
debat. Setelah selesai pembelajaran pertama, ia memberikan tes dan setelah selesai
pembelajaran kedua kembali ia memberikan tes. Kedua hasil tes tersebut dibandingkan
dengan harapan adanya perbedaan rata-rata tes pertama dengan kedua.
Ho : t1 = t2
Diperoleh t1 = 51.36 ; t2 = 52.55 ; korelasi 0.873
Korelasi sangat erat dan benar-benar berhubungan dengan nyata
α
Berdasarkan tabel df=21 dan = 0.05 diperoleh t tabel = 1.7207
Kesimpulan : t hitung < t tabel sehingga Ho diterima
Tidak ada perbedaan yang signifikan antara hasil tes pertama dengan
hasil tes kedua, sehingga ia menyimpulkan model masih belum
diimplementasikan dengan baik
25. Uji Keterkaitan
POSITIF NEGATIF
makin besar nilai variabel 1 makin besar nilai variabel 1
menyebabkan makin besar menyebabkan makin kecil
pula nilai variabel 2 nilai variabel 2
Contoh : makin banyak waktu contoh : makin banyak waktu
belajar, makin tinggi skor bermain, makin kecil skor
ulangan korelasi positif ulangan korelasi negatif
antara waktu belajar antara waktu bermain
dengan nilai ulangan dengan nilai ulangan
NOL
tidak ada atau tidak menentunya hubungan dua variabel
contoh : pandai matematika dan jago olah raga ; pandai
matematika dan tidak bisa olah raga ; tidak pandai
matematika dan tidak bisa olah raga
korelasi nol antara matematika dengan olah raga
26. Uji Keterkaitan
1. KORELASI PEARSON :
apakah di antara kedua variabel terdapat hubungan, dan jika ada hubungan bagaimana
arah hubungan dan berapa besar hubungan tersebut.
Digunakan jika data variabel kontinyu dan kuantitatif
Contoh :
10 orang siswa yang memiliki waktu belajar berbeda dites dengan tes IPS
Siswa : A B C D E F G H I J
Waktu (X) : 2 2 1 3 4 3 4 1 1 2
Tes (Y) : 6 6 4 8 8 7 9 5 4 6
Apakah ada korelasi antara waktu belajar dengan hasil tes ?
Siswa X X2 Y Y2 XY
A
B
ΣX ΣX2 ΣY ΣY2 ΣXY
27. Uji Keterkaitan
Contoh :
10 orang siswa yang memiliki perilaku (sangat baik, baik, cukup, kurang) dibandingkan
dengan tingkat kerajinannya (sangat rajin, rajin, biasa, malas)
Siswa : A B C D E F G H I J
Perilaku : 2 4 1 3 4 2 3 1 3 2
Kerajinan : 3 2 1 4 4 3 2 1 2 3
Apakah ada korelasi antara perilaku siswa dengan kerajinannya ?
Siswa A B C D
Perilaku
Kerajinan
d
d2 Σd2
28. Uji Chi-Square (X2)
Chi-Square (tes independensi) : menguji apakah ada hubungan antara baris dengan
kolom pada sebuah tabel kontingensi. Data yang digunakan adalah data kualitatif.
(O – E)2
X2 = Σ E
Di mana
O = skor yang diobservasi
E = skor yang diharapkan (expected)
Contoh :
Terdapat 20 siswa perempuan dan 10 siswa laki-laki yang fasih berbahasa Inggris, serta
10 siswa perempuan dan 30 siswa laki-laki yang tidak fasih berbahasa Inggris.
Apakah ada hubungan antara jenis kelamin dengan kefasihan berbahasa Inggris ?
Ho = tidak ada hubungan antara baris dengan kolom
H1 = ada hubungan antara baris dengan kolom
P L Σ O E (O-E) (O-E)2 (O-E)2/E
a b a 20 (a+b)(a+c)/N
Fasih
c d b 10 (a+b)(b+d)/N
Tidak fasih c 10 (c+d)(a+c)/N
Σ d 30 (c+d)(b+d)/N
df = (kolom – 1)(baris – 1)
Jika X2 hitung < X2 tabel, maka Ho diterima
Jika X2 hitung > X2 tabel, maka Ho ditolak
29. Uji Chi-Square (X2)
Chi-Square dengan menggunakan SPSS
KASUS : apakah ada perbedaan pendidikan berdasarkan status marital responden
Ho = tidak ada hubungan antara baris dengan kolom atau tidak ada perbedaan pendidikan
berdasarkan status marital
H1 = ada perbedaan pendidikan berdasarkan status marital
Dasar pengambilan keputusan :
1. X2 hitung < X2 tabel Ho diterima ; X2 hitung > X2 tabel Ho ditolak
2. probabilitas > 0.05 Ho diterima ; probabilitas < 0.05 Ho ditolak
status marital * pendidikan terakhir Crosstabulation
Chi-Square Tests
Count
Asymp. Sig.
pendidikan terakhir
Value df (2-sided)
SD SMP SMA Sarjana Total Pearson Chi-Square 30.605 9 .000
status belum kawin 1 9 5 0 15
marital Likelihood Ratio 29.160 9 .001
kawin 4 24 10 13 51
Linear-by-Linear
janda 5 1 1 0 7 3.412 1 .065
Association
duda 3 2 2 0 7
N of Valid Cases 80
Total 13 36 18 13 80
Symmetric Measures
Anova : menguji rata-rata satu kelompok / lebih melalui satu variabel dependen / lebih
berbeda secara signifikan atau tidak.
k
JKa = Σ J j - J Di mana :
2
RJKa 2
Σ 21 7 15 Jki = 11.838
RJKi = = 10/15-3 = 0.833
4.2 1.4 3
N-k
32. Uji Anova
Artinya :
Perubahan status marital tidak menyebabkan terjadinya kenaikan penghasilan
dan penambahan usia
SOAL
• Buatlah contoh judul dan analisisnya dalam
menentukan uji statistik judul tersebut
(langkah-langkah uji analisis).
• Uji t tidak berpasangan
• Uji one way anova
• Uji t berpasangan
• Repeated anova