Stat Dasar
Stat Dasar
Oleh
Dr. dr. Buraerah H Abd. Hakim, MSc
1
Pengasuh mata
80
70
kuliah
Melayu
60
Batak
50 Kajang
40 Sunda
Jawa
30
Dayak
20 Bima
Bugis
10
0
EM IM PM
PENGANTAR 2
Penilaian mata
1. TUGAS kuliah = 10 %
* Tugas Harian
* Tugas Akhir
2. MID. TEST = 30 %
3. FINAL TEST = 50 %
4. AKTIFITAS HARIAN = 10 %
==========
TOTAL = 100 %
PENGANTAR 3
Referensi
1. Metoda Statistika ( Sujana ).
2. Pengantar Statistika (Ronald E.Walpole).
3. Pengendalian kualitas statistik ( Douglas c.
Montgomery
4. Pengantar Analisis Statistik ( Wilfrid J.Dixon)
5. Statistical Process Control ( Vincent Gaspersz )
6. Metode statistik Non Parametrik Terapan ( P.
Sprent)
7. Statistik Non Parametrik ( Sidney Siegel).
PENGANTAR 4
Tujuan Instruksional
Umum
Memberikan wawasan dan kemampuan
pada mahasiswa untuk dapat
MENJELASKAN dan MENERAPKAN
prinsip dan proses penerapan
biostatistika dalam pelayanan
kesehatan KHUSUSNYA dalam
pelayanan keperawatan.
PENGANTAR 5
Materi
perkuliahan
1. PENGANTAR
2. PENDAHULUAN
3. PENGUMPULAN DATA
4. PENGOLAHAN DATA
5. PENYAJIAN DATA
6. ANALISIS DATA
7. UJI HIPOTESIS
BIOSTATISTIK- GIA 6
Definisi
Ialah KONSEP dan METODE yang
digunakan untuk mengumpulkan dan
interpretasi data mengenai suatu
bidang kegiatan tertentu dan menarik
kesimpulan dalam situasi dimana ada
KETIDAK PASTIAN dan VARIASI
PENDAHULUAN 7
Pengerti
KONSEP “STATIS an
TICA
BIOSTA Teori
matematika
TISTIC VARIA
STATIS BEL
METODE
TICS
* Pengumpulan
• Pengolahan
• Analisis
• Kesimpulan
PENDAHULUAN 8
Pengerti
Skala
an
Pengukuran
Pengolahan
data
PENDAHULUAN 9
Variabel
Adalah suatu “ SIMBOL “ yang berisi
HIMPUNAN GEJALA dimana setiap
gejala dapat memiliki berbagai aspek
atau unsur serta senantiasa
memperlihatkan adanya VARIASI
PENDAHULUAN 10
Skala pengukuran
Variabel
Dasar yang digunakan untuk membentuk skala memiliki
tiga ciri yakni :
1. Bilangannya berurutan.
2. Selisih antara bilangan- bilangan adalah berurutan.
3. Deret bilangan mempunyai asal mula yang unik yang
ditandai dengan bilangan nol.
4. Kombinasi ciri-ciri urutan, jarak, dan asal mula
menghasilkan pengelompokan skala ukuran yang
dipakai secara umum .
PENDAHULUAN 11
Skala pengukuran
Variabel
Pengertian Dan Prinsip skala pengukuran variabel
Nominal + - - -
Ordinal + + - -
Interval + + + -
Rasio + + + +
PENDAHULUAN 12
Data
Apabila variabel dikumpulkan akan terbentuk
suatu data sehingga, Data tidak lain dari
kumpulan variabel.
Data Primer
Data Sekunder
Data Kuantitatif
Data Kualit atif
Data Intern
Data Ekstern
Data Crossectional
Data Berkala
Data Diskret
Data Kontinu
Data literal
Data Observasional
PENDAHULUAN 13
Data
Syarat data yang baik
1.Relevant
2.Obyektif.
3.Valid
4.Reliable
5.Tepat waktu
PENDAHULUAN 14
Prinsip
Pengumpulan
Dalam pengumpulan data perlu diketahui :
Pengertian Data
Tujuan pengumpulan Data
Unit Observasi Elemen atau obyek
yang akan dikumpulkan
Unit analisis Karakteristik yang
melekat pada unit observasi
PENGUMPULAN DATA 15
Jenis Pengumpulan
Dalam pengumpulanData
data dikenal dua Jenis:
Sensus.
Ialah apabila pengumpulan data dilakukan terhadap
seluruh elemen populasi satu persatu.
Data yang diperoleh disebut data sebenarnya, (true
value) atau sering disebut dengan “ Parameter “.
Sampling.
Ialah apabila data yang dikumpulkan hanya sebagian
dari populasi.
Data yang diperoleh merupakan data perkiraan
(estimate value).
PENGUMPULAN DATA 16
Cara Pengumpulan
Data
Cara pengumpulan data adalah:
Cara Kuesioner.
Enumerator dan responden tidak terjadi komunikasi pada
saat pengisian kuesioner (komunikasi satu arah)
Keuntungan : mudah dan murah
Kelemahan : Ancaman drop out tinggi.
Interview (wawancara).
Enumerator dan responden terjadi komunikasi pada saat
pengisian kuesioner.(komunikasi dua arah
Keuntungan : tidak ada ancaman drop out.
Kelemahan : Susah dan mahal
PENGUMPULAN DATA 17
Kuesioner Pengumpulan
Data
Kuesioner adalah salah satu bentuk alat ukur yang digunakan
untuk mengumpulkan semua informasi yang diinginkan dalam
suatu penelitian atau pengumpulan data.
Kuesioner berisi :
Identitas wilayah
Identitas umum responden
Identitas Khusus responden
Bentuk Kuesioner :
Terstruktur :
- Close ended
- Open ended
Terbuka / bebas
PENGUMPULAN DATA 18
DAFTAR PERTANYAAN
Contoh
Kuesioner
LAMA HARI RAWAT PASIEN RAWAT INAP DI RS PELAMONIA
A IDENTITAS WILAYAH KODE
1 Nomor Responden : …………………………………………….
2 Propinsi : ……..........................................
3 Kabuptaen : …………………………………….........
4 Kecamatan : ……………………………………………
5 Kelurahan/Desa : ……………………………………………
6 Lingkungan : …………
7 Rukun Tetangga (RT) : …………
B IDENTITAS UMUM RESPONDEN
8 Nama :
9 Umur : ……. Tahun
10 Jenis Kelamin :
1. laki-laki
2. Perempuan
11 Suku bangsa :
1. Bugis
2. Makassar
3. Mandar
4. Tator
5. Lainyya 19
DAFTAR PERTANYAAN
Contoh
Kuesioner
LAMA HARI RAWAT PASIEN RAWAT INAP DI RS PELAMONIA
C IDENTITAS KHUSUS RESPONDEN KODE
LAMA PERAWATAN dan KEPUASAN PASIEN
12 Sejak ibu masuk RS sampai sekarang telah mejalani hari
rawat selama ……. Hari
13 Selama ibu di RS maka perawatan yang ibu terima :
a. Sangat puas 1
b. Puas 2
c. Biasa-biasa saja 3
d. Kurang puas 4
e. Sangat tidak puas 5
SIKAP PERAWAT
14 Selama ibu dirawat di RS ini, maka kesan pelayanan yang
diberikan oleh para perawat adalah :
a. Sangat ramah.
b. Ramah
c. Kurang ramah
d. Tidak ramah
e. Lainnya (tulis) ………………………………………………..
………………………………………………………………………
20
Prinsip dan langkah-
langkah
Penyuntingan data (Editing)
- Dilapangan
- Pengolahan
Koding (Coding).
-. Koding kuesioner
- Buat daftar variabel
- buat daftar koding
- Pemindahan hasil koding
- Buat program entry / tabulasi data
PENGOLAHAN DATA 21
Contoh daftar
DAFTAR VARIABEL
variabel
No KODE LABEL VARIABEL TIPE DIGIT DESIMAL
(Nama variabel)
1 NOMOR Nomor urut responden Numerik 2 0
IDENTITAS WILAYAH
2 LURAH Kelurahan. String 1 0
1. Tamalanrea
2. Daya
IDENTITAS UMUM RESPONDEN
3 UMUR Umur responden Numerik 2 0
4 SEX Jenis kelamin responden String 1 0
1. laki-laki
2. perempuan
5 SUKU Suku bangsa responden String 1 0
1. Bugis
2. Makassar
3. Mandar
4. Tator
5. Lainnya
IDENTITAS KHUSUS RESPONDEN
6 HRAWAT Lamanya pasien dirawat di ruang rawat Numerik 3 2
inap
22
Contoh daftar
koding
DAFTAR KODING
23
Prinsip dan langkah-
langkah
PENGOLAHAN DATA 24
Bentuk Penyajian
Data
Penyajian data dilakukan dalam
tiga bentuk yakni :
PENYAJIAN DATA 25
Penyajian Dlm bentuk
Tabel
Pengertian :
Tabel adalah salah satu bentuk penyajian data,
yang tersusun secara sistematis dalam bentuk
baris dan kolom, serta bertujuan untuk
membandingkan data dalam bentuk:
Baris dengan baris
Kolom dengan kolom
Baris dengan Kolom.
PENYAJIAN DATA 26
Komponen
Tabel
Tabel. 1 Penjelasan tentang bagian-bagian dari pada
suatu tabel di STIK GIA, Tahun 2004
JUMLAH Marginal
kolom
Marginal
kolom
PENYAJIAN DATA 27
Komponen
Tabel
Judul tabel :
Judul tabel hendaknya berisi tentang isi dari pada
suatu tabel seperti :
PENYAJIAN DATA 28
Jenis-Jenis
Pembagian tabel: Tabel
Secara umum tabel terdiri dari dua
jenis yakni :
PENYAJIAN DATA 29
Contoh tabel
Tabel 2 Induk
Data umum perawat di rumah sakit (x) tahun 2004
1 14 x
2 30 X
3 60 X
4 45 X
5 25 X
6 70 X
PENYAJIAN DATA 30
Jenis-Jenis
Tabel
Pembagian tabel:
PENYAJIAN DATA 31
Jenis-Jenis
Tabel
Jenis tabel special
PENYAJIAN DATA 32
Jenis-Jenis
Tabel
Tabel satu arah
Adalah tabel yang memuat
keterangan mengenai
karakteristik dari satu
variabel tunggal.
PENYAJIAN DATA 33
Contoh Tabel satu
Tabel 3
arah
Distribusi jenis penyakit yang dirawat di
Rumah Sakit ( X ) tahun 2004
ISPA 30 13,3
DBD 45 20,0
TYPHOID 50 22,2
TBC 25 11,1
DIARE 75 33,4
JUMLAH 225 100,0
PENYAJIAN DATA 34
Jenis-Jenis
Tabel
Tabel Dua arah
Adalah tabel yang memuat
keterangan mengenai
karakteristik dari dua
variabel dalam satu tabel.
PENYAJIAN DATA 35
Contoh Tabel dua
Arah
Tabel 4 Hubungan kualitas pelayanan dirumah Sakit (X)
menurut komitmen kerja perawat tahun 2004
Kualitas pelayanan
Komitmen keperawatan RS (X) TOTAL
kerja perawat Baik Kurang
PENYAJIAN DATA 36
Jenis-Jenis
Tabel
Tabel Tiga Arah
Adalah tabel yang memuat
keterangan mengenai
karakteristik dari tiga
variabel dalam satu tabel.
PENYAJIAN DATA 37
Contoh tabel tiga
arah
Tabel 5 Distribusi karakteristik tenaga perawat menurut rumah sakit
pada Dinas kesehatan Kota Makasar tahun 2004
RS RSW
RS Stellamaris
RS Pelamonia
JUMLAH
PENYAJIAN DATA 38
Penyajian Dlm bentuk
Grafik
Pengertian :
Grafik adalah salah satu bentuk
penyajian data dalam bentuk garis
atau gambar-gambar dengan tujuan
utama untuk memberikan kesan
visual pada data:
PENYAJIAN DATA 39
Penyajian Dlm bentuk
Grafik
Jenis-jenis Grafik:
1. Grafik Garis (Line Chart)
PENYAJIAN DATA 40
Penyajian Dlm bentuk
Grafik
Grafik Garis.
Adalah salah satu bentuk penyajian data
dengan menggunakan garis, serta
bertujuan untuk :
Mempermudah penarikan kesimpulan
Melihat perkembangan sesuatu
Dasarnya adalah sistem salib sumbu.
PENYAJIAN DATA 41
Penyajian Dlm bentuk
Grafik
Jenis Grafik Garis.
Grafik garis tunggal (single line chart)
Grafik garis berganda (multiple line chart)
Grafik garis komponen beganda (multiple
compnent line chart)
Grafik garis persentase komponen berganda
(multiple persentage componen line chart)
Grafik garis berimbang netto (net balance
line chart)
PENYAJIAN DATA 42
Contoh Grafik garis
tunggal
Grafik. 1 Perkembangan kunjungan bumil sejak tahun 1977-
1983 di RS (x)
160
140
120
100
80
60
40
20
0
1997 1978 1979 1980 1981 1982 1983
Sumber : RS (x)
PENYAJIAN DATA 43
Contoh Grafik garis
berganda
Grafik. 2 Perkembangan kunjungan bumil dan anak sejak
tahun 1997-2001 di RS (x)
1400
1200
1000
800
600
400
200
0
1997 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
Bumil Anak
Sumber : RS (x)
PENYAJIAN DATA 44
Contoh Grafik garis komponen
berganda
Grafik. 3 Perkembangan kunjungan penyakit DBD dan non
DBD sejak tahun 1997-2001 di RS (x)
8000
7000
6000
5000
4000
3000
2000
1000
0
1997 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
Sumber : RS (x)
PENYAJIAN DATA 45
Contoh Grafik garis persentase komponen
berganda
Grafik. 4 Perkembangan persentase kunjungan yang meninggal, luka
berat dan ringan sejak tahun 1997-2001 di RS (x)
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003
Sumber : RS (x)
PENYAJIAN DATA 46
Contoh Grafik garis
berimbang netto
Grafik. 5 Selisih perbedaan kunjungan pasien masuk dan
keluar sejak tahun 1997-2002 di RS (x)
20
15
10
0
1996 1997 1998 1999 2000 2001 2002
-5
selisih
Sumber : RS (x)
PENYAJIAN DATA 47
Penyajian Dlm bentuk
Grafik
Grafik Batang.
Adalah salah bentuk penyajian data
dengan menggunakan batang / balok
sebagai pengganti garis.
PENYAJIAN DATA 48
Penyajian Dlm bentuk
Grafik
Jenis Grafik Batang
Grafik batang tunggal (single bar chart)
Grafik batang berganda (multiple bar chart)
Grafik batang komponen beganda (multiple
compnent bar chart)
Grafik batang persentase komponen berganda
(multiple persentage componen bar chart)
Grafik batang berimbang netto (net balance
bar chart)
PENYAJIAN DATA 49
Contoh Grafik batang
tunggal
Pace of Disease Gene Discovery
1981 - 2000
175
150
125
100
75
50
25
0
1981
1983
1987
1989
1991
1995
1997
1985
1993
1983
1982
1981
1980
1979
1978
1997
Sumber : RS (x)
PENYAJIAN DATA 51
Contoh Grafik batang
berganda
The Observed Prevalence of CYP2C19 genotype
within Geographically Dispersed Populations
100
90 Caucas ian
80 S audi Arabian
70 African
Korean
60
Japanes e
50
Chines e
40 Philippine
30 Aboriginal Aus tralia
20 Indones ia
10 Thailand
Vanuatu
0
EM IM PM
PENYAJIAN DATA 52
Contoh Grafik batang
berganda
Grafik. 2 Perkembangan kunjungan bumil dan anak sejak
tahun 1997-2001 di RS (x)
1400
1200
1000
800
600
400
200
0
1997 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
Bumil Anak
Sumber : RS (x)
PENYAJIAN DATA 53
Contoh Grafik batang komponen
berganda
Grafik. 3 Perkembangan kunjungan penyakit DBD dan non
DBD sejak tahun 1997-2001 di RS (x)
100%
80%
60%
40%
20%
0%
1997 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
Sumber : RS (x)
PENYAJIAN DATA 54
Contoh Grafik batang komponen
berganda
Grafik. 3 Perkembangan kunjungan penyakit DBD dan non
DBD sejak tahun 1997-2001 di RS (x)
100%
80%
60%
40%
20%
0%
1997 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
Sumber : RS (x)
PENYAJIAN DATA 55
Contoh Grafik garis persentase komponen
berganda
Grafik. 4 Perkembangan persentase kunjungan yang meninggal, luka
berat dan ringan sejak tahun 1997-2001 di RS (x)
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003
Sumber : RS (x)
PENYAJIAN DATA 56
Contoh Grafik garis persentase komponen
berganda
Grafik. 4 Perkembangan persentase kunjungan yang meninggal, luka
berat dan ringan sejak tahun 1997-2001 di RS (x)
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003
Sumber : RS (x)
PENYAJIAN DATA 57
Contoh Grafik batang berimbang
netto
Grafik. 5 Selisih perbedaan kunjungan pasien masuk dan
keluar sejak tahun 1997-2002 di RS (x)
20
15
10
0
1996 1997 1998 1999 2000 2001 2002
-5
selisih
Sumber : RS (x)
PENYAJIAN DATA 58
Contoh Grafik batang berimbang
netto
Grafik. 5 Selisih perbedaan kunjungan pasien masuk dan
keluar sejak tahun 1997-2002 di RS (x)
20
15
10
-5
1996 1997 1998 1999 2000 2001 2002
selisih
Sumber : RS (x)
PENYAJIAN DATA 59
Contoh Grafik
Pie
Grafik. 1 Perkembangan kunjungan bumil sejak tahun 1997-
1983 di RS (x)
Sumber : RS (x)
PENYAJIAN DATA 60
Contoh Grafik
Pie
Grafik. 1 Perkembangan kunjungan bumil sejak tahun 1997-
1983 di RS (x)
BUMIL, 80
BUMIL, 150
BUMIL, 97.5
BUMIL, 125
BUMIL, 100
Sumber : RS (x)
PENYAJIAN DATA 61
Contoh Grafik
Pie
20% 6% 7%
Cell division
10% Cell defense
Cell structure
Metabolism
Cell signaling
Protein expression
18%
PENYAJIAN DATA 62
Contoh Grafik
Peta
E stim a te d N u m b e r s o f T B C a s e s , 2 0 0 2
< 1 000
1 0 0 0 to 9 9 9 9
1 0 0 0 0 to 9 9 9 9 9
1 0 0 0 0 0 to 9 9 9 9 9 9
1 0 0 0 0 0 0 o r m o re
N o E s tim a te
PENYAJIAN DATA 63
Contoh Grafik
Peta
E s tim a te d T B I n c id e n c e R a te s , 2 0 0 2
p e r 1 0 0 0 0 0 p o p u la tio n
< 10
1 0 to 2 4
2 5 to 4 9
5 0 to 9 9
1 0 0 to 2 9 9
3 0 0 o r m o re
N o E s tim a te
PENYAJIAN DATA 64
Contoh Grafik
Gambar
= 2000
= 1500
= 1000
= 500
Keterangan : 1 = 500
PENYAJIAN DATA 65
Penyajian dalam bentuk teks
(Narasi)
Penyaian dalam bentuk narasi :
Dimaksudkan untuk memberikan pejelasan suatu hasil laporan
baik berupa hasil penelitian, atau yang lainnya, dengan
sistematika sebagai berikut :
1. Topik / judul
2. Latar belakang
3. Tujuan
4. Metodologi
5. Ulasan Hasil yang dicapai
6. Kesimpulan
PENYAJIAN DATA 66
Terima kasih sampai
jumpa pada kuliah
berikutnya
67
Jenis Analisis
Data
Analisis data dilakukan dalam dua
bentuk yakni :
Analisis Deskriptip
Analisis Analitik
ANALISIS DATA 68
Hasil Pengolahan
Data
Hasil pengolahan data dapat
disusun dalam dua bentuk yakni :
ANALISIS DATA 69
Contoh Row
Data
Data disusun menurut urutan nomor observasinya sebagai
berikut : Data hasil pengukuran 35 orang Berat Badan Bayi
ANALISIS DATA 70
Contoh Array
Data
Data disusun menurut urutan besar kecilnya nilai pengukuran
Contoh Data hasil pengukuran 35 orang Berat Badan Bayi
ANALISIS DATA 71
Keuntungan Array
Data
Dengan array data dapat diketahui :
Nilai terendah : 2,7
Nilai tertinggi : 11,7
Nilai Range : 11,7 – 2,7 = 9
Nilai Frekuensi : (4,9 ; 4,9 dsl )
Petunjuk pengelompokan data.
ANALISIS DATA 72
Pengelompokan
Data
Tujuannya untuk memproleh
INFORMASI yang lebih
banyak serta
MEMPERMUDAH perhitungan
dan PENYAJIAN data
ANALISIS DATA 73
Pengelompokan
Tabel 1 Data
Distribusi frekuensi berat badan dari 35 bayi (Kg )
di Puskesmas Daya Makassar tahun 2003
1 1,0 – 2,99 1
2 3,0 – 4,99 8
3 5,0 – 6,99 14
4 7,0 – 8,99 9
5 9,0 – 10,99 2
6 11,0 – 12,99 1
JUMLAH 35
Sumber : Data primer
ANALISIS DATA 74
Terminologi dalam
pengelompokan Data
Class Interval ( 1,0 – 2,99 )
Class limit
Lower class limit ( bkb) ( 1,0 )
Upper class limit ( bka) ( 2,99 )
Class size
( Bka – Bkb = 2.99 – 1,0 = 2 unit )
ANALISIS DATA 75
Terminologi dalam
pengelompokan Data
BESARNYA KELAS
Antara 6 - 20 kelas
Dengan rumus Sturgers
K = ( 1 + 3,3 log n )
Keterangan :
K = Jumlah kelas
n = Jumlah observasi
ANALISIS DATA 76
Jenis Analisis
Data
ANALISIS DESKRIPTIP
Data Kategori
Univariat ANALISIS ANALITIK
Bivariat
Data Kategori
Data Numerik Univariat
Univariat
Bivariat
Bivariat
Data Numerik
Univariat
Bivariat
ANALISIS DATA 77
Bilangan Relatif
Rasio
Adalah besaran hasil perbandingan antara dua angka.
Sifatnya relatif dan tidak merupakan indikator besarnya angka
yang dibandingkan.
Menyatakan besarnya tiap unit angka kedua terhadap unit
angka pertama
Bila diperkalikan dengan suatu Konstanta ( K ) ia berarti “
Besarnya unit angka pertama per 100 atau 1000 unit angka
kedua”.
Contoh :
“ 50 laki-laki terhadap 40 perempuan “ berarti 125 laki-laki setiap
100 perempuan.
Atau : 50/40 x 100. ( index )
ANALISIS DATA 78
Bilangan Relatif
Proporsi
Adalah rasio yang menunjukkan bagian relatif dari angka total.
Dinyatakan dengan rumus :
a
----------
a+b
Keterangan :
a = laki-laki
b = perempuan
(a+b) = Total
ANALISIS DATA 79
Bilangan Relatif
Adalah proporsi Persen
yang diperkalikan dengan bilangan konstanta.
( K = 100 atau 1000 )
Contoh :
Diantara laki-laki dan perempuan terdapat 5 % perempuan
Sifat persen
1. Sebagai kesimpulan
2. Sebagai standarisasi
3. Perbandingan
ANALISIS DATA 80
Bilangan Relatif
Rate
Adalah rasio yang menunjukkan bagian relatif dari angka total
dimana angka total ini adalah mereka yang termasuk mengalami
resiko.
Keterangan :
a = laki-laki
b = perempuan
(a+b) = Total
R = Risk factor
ANALISIS DATA 81
Analisis Deskriptip Nilai
tengah
Ialah suatu nilai yang
terletak paling
ditengah dari suatu
sebaran nilai dan
merupakan wakil dari
nilai-nilai yang ada Jenisnya :
didalam sebaran 1.Mean
tersebut.
2.Median dan
3.Modus.
ANALISIS DATA
82
Analisis Deskriptip Nilai
tengah
Untuk data kategori hanya ada dua nilai
tengah yakni : MEDIAN dan MODUS.
Sedangkan untuk data numerik ada tiga
nilai tengah yakni : MEAN, MEDIAN dan
MODUS
Pada perhitungan nilai tengah untuk data
numerik dikenal data yang tidak
dikelompokkan dan data yang
dikelompokkan.
ANALISIS DATA
83
Analisis Deskriptip
Mean
Adalah nilai yang terletak DITENGAH-
TENGAH dari pada suatu distribusi
angka-angka.
merupakan nilai yang REPRESENTATIF
untuk suatu data dan paling sering
digunakan
Merupakan PENJUMLAHAN nilai-nilai
pengamatan dibagi dengan banyaknya
pengamatan yang dilakukan
Σ Xi
Mean = ------------
n
Keterangan : Xi = Nilai observasi
n = Banyaknya observasi
70 + 69 + 45 + 80 + 56
Mean = ------------------------------------ = 64
5
70 5 350
69 6 414
45 3 135
80 1 80
56 1 56
Jumlah 16 ∑ fixi = 1035
70 70 - 64 +6
69 69 - 64 +5
45 45 - 64 - 19
80 80 - 64 + 16
56 56 - 64 -8
Mean = 64 0
N = Kelompok data
Σ fi (xi)
Mean = ------------ = 6,34
n
Rumus lain
Median n = 2k + 1
Keterangan :
n = bilangan ganjil
k = bilangan konstan
x 8 / 2 ) + x (8 / 2+1) 9
Median untuk n = 8 = ---------------------------- = ----- = 4,5
2 2
Md terletak pada pengamatan yang ke 4,5 atau pada nilai
pengamatan = 8,5
N / 2 - fb
Md = ----------------- x c
f(Md)
Keterangan :
N = Jumlah observasi
Fb = jml frek. interval kelas dibawah kls median
F(md) = Jumlah frekuensi kelas median
C = Ukuran kelas
1 1,0 – 2,99 1
2 3,0 – 4,99 8
3 5,0 – 6,99 14 * f (Md)
4 7,0 – 8,99 9
5 9,0 – 10,99 2
6 11,0 – 12,99 1
JUMLAH 35
Sumber : Data primer
Contoh : 2, 3, 8, 9, 8, 8, Mo = 8
6
Mo = 5 + (-------) x 2 = 6,1
6 + 5
ANALISIS DATA Nilai 105
Arti dan
Mean Manfaat
Meng-asumsikan keberadaan dari nilai numeric :
X1, X2,…. Xn dari pengamatan, sehingga jarak
antara pasangan pengamatan dapat diketahui
dengan jelas.
Dapat digunakan untuk melakukan pengelompokan
atau pengkategorian data yang diukur menurut
skala interval atau rasio kedalaman kategori-
kategori.
114
Pengertian
Dikenal juga dengan istilah “
UKURAN VARIASI “ yang berarti
sejauh mana variasi hasil
pengukuran yang ada didalam
suatu distribusi kekiri dan kekanan
dari niali tengahnya tetapi masih
dapat dipercaya sebagai nilai-nilai
normal.
1.Range
2.Mean Deviasi ( simpangan rata-rata )
3.Variance
4.Standard Deviasi.
Sifat Range
1. Dipengaruhi nilai ekstrim.
2. Nilai lain yang ada didalam hasil pengukuran tidak
berpengaruh dalam penentuan range.
3. Tidak sempurna sebagai ukuran penyebaran.
SR = ( 1/n ) Σ ( Xi – Ā ) .f
SR = ( 1/35 ) ( 55,74 ) = 1.592
Data berkelompok
σ = √ ( 1/n ) Σ ( Xi–Ā )². f
σ = √ ( 1/35 ) (148.03 ) = 4,229
σ = √ 4,229 = 2,05
σ = √ ( 1/n ) Σ ( Xi – Md / Mo )²
- 3 SD - 2 SD -1 SD Mean +1 SD +2SD + 3 SD
c²
Varians = -------- → s = interval kelas.
12
5. SR = 4/5 Standard Deviasi semi interquartile
range = 2/3 SD
Q1=25%
Q2=50%
Q3 = 75%
Q1 = Kuartil pertama
Artinya 25 % data nilainya ≤ dari Q1
Q2 = Kuartil kedua
Artinya 50 % data nilainya ≤ dari Q2
Q3 = Kuartil ketiga
Artinya 75 % data nilainya ≤ dari Q3
X1 = 30 X6 = 55 X11 = 85
X2 = 35 X7 = 60 X12 = 95
X3 = 40 X8 = 65 X13 = 100
X4 = 45 X9 = 70
X5 = 50 X10 = 80
2 ( 13 + 1 ) 28
Q2 = nilai yang ke ------------------ → ----- = 7
4 4
= pengamatan yang ke 7 → 60
3 ( 13 + 1 ) 42
Q3 = nilai yang ke ------------------ → ------ = 10,5
4 4
= pengamatan yang ke 10,5 → 80 + 85 / 2 = 82, 5
= Pengamatan yg ke X1 + 4 / 10 ( X2 – X )
= 30 + 4 / 10 ( 35 – 30 ) = 31
- 3 SD - 2 SD -1 SD Mean +1 SD +2SD + 3 SD
Rumus :
3(Mean – Mo)
SKP-2 = ---------------------
S
Ket : → Mean = Rata-rata hitung
Mo = Modus 153
S = Standard Deviasi
UKURAN KERUNCINGAN (Kurtosis)
Manfaat
● Menentukan bentuk kurva
• Menentukan apakah suatu distribusi dapat
didekati dengan fungsi normal atau tidak.
Jenis :
Lepto kurtis.
Platy kurtis
Meso kurtis 154
UKURAN KERUNCINGAN (Kurtosis)
Lepto kurtis.
Sebahagian besar frekuensi tertumpuk
pada interval yang pendek sekitar nilai
mean.
Contoh :
Mean 155
UKURAN KERUNCINGAN (Kurtosis)
Platy kurtis
Frekuensi data tersebar merata pada seluruh kelas,
kecuali kelas pertma dan terakhir.
Contoh :
Mean
156
UKURAN KERUNCINGAN (Kurtosis)
Meso kurtis
Frekuensi data tersebar mendekati distribusi
normal
Contoh :
Mean
157
UKURAN KERUNCINGAN
( Perhitungan keruncingan kurtosis )
• Menggunakan moment ke 4 sekitar mean ( α 4 ).
Rumus :
M 1/n Σ fi ( Mi – x )
α4 = ------------- = --------------------------------
S S
Ket : - α1, α2, α3 → dihitung lebih dahulu
- Mi → titik tengah kelas
158
UKURAN KERUNCINGAN
( Perhitungan keruncingan kurtosis )
• Menggunakan Quartile koefisien of Kurtosis ( QCK )
Rumus :
Ket : - Q → Quartile
½ ( Q3 – Q1 )
QCK = ---------------------- - P→ Persentil
P90 – P10
• Penilaian :
α4 = 3 → Normal
α4 ≥ 3 → Lepto kurtis
α4 ≤ 3 → Platy kurtis
QCK = 0,263 → Normal ( Dapat didekati dengan distribusi normal )
159
“ Terima kasih “
Dilanjutkan pada kuliah
berikutnya 160
ANALISIS VARIABEL PENELITIAN
(Tujuan Analisis)
• Menilai kelayakan suatu variabel untuk
dimasukkan dalam analisis statistic.
• Menilai keadaan distribusi data untuk variabel
yang akan dianalisis, dengan parameter : nilai
tengah dan dispersi.
Jenis Analisis
Analisis Univariat.
Analisis Bivariat.
Analisis Multivariat.
161
ANALISIS VARIABEL PENELITIAN
(Analisis Univariat)
Jenis Analisis
1. Analisis distrbusi frekuensi
2. Analisis deskriptip
Sifat
164
ANALISIS VARIABEL PENELITIAN
(Contoh Frekuensi Distribusi Data)
Frekuensi Univariat Dgn Skala Nominal
Tabel.1 Distribusi Tempat Berobat Responden Pada Saat Sakit Di Wilayah Kerja Puskesmas
Bantimurung Kec. Bantimurung Kab. Maros Tahun 2002
Apabiladilihat
Apabila dilihatdistribusi
distribusitempat
tempatberobat
berobatpada
padaresponden
respondensakit
sakitmaka
makatabel
tabel33memperlihatkan
memperlihatkan
sekitar80,4
sekitar 80,4persen
persendari
dariresponden
respondenmemilih
memilihtempat
tempatberobat
berobatpada
padasarana
saranakesehatan
kesehatanmodern
modern
yangterdiri
yang terdiridari
dariBindes
Bindes/ /Pustu
Pustu/ /Manteri,
Manteri,Puskesmas,
Puskesmas,dan
dandokter
dokterpraktek.
praktek.Selebihnya
Selebihnyamemilih
memilih
berobatsendiri
berobat sendiridan
dantidak
tidakberobat
berobat 165
ANALISIS VARIABEL PENELITIAN
(Contoh Frekuensi Distribusi Data)
Frekuensi Bivariat Dgn Skala Nominal
Tabel 2 Distribusi Kejadian diare 3 bulan terakhir Menurut sumber pencemaran Di wilayah kerja
Puskesmas Kecamatan Bantimurung Kabupaten Maros Tahun 2002
Dari tabel 2 diatas diperlihatkan kejadian diare menurut sumber pencemaran. Dari tabel
tersebut terlihat kejadian diare terbanyak terjadi melalui permukaan tanah yg
terkontaminasi,selanjutnya melalui septic tank. Ada sebanyak 39,7 persen yg sesungguhnya
tdk ada sumber pencemaran tetapi terjadi diare utk 3 bulan terakhir.
166
ANALISIS VARIABEL PENELITIAN
(Contoh Frekuensi Distribusi Data)
Frekuensi Bivariat Dgn Skala Ordinal
Tabel 3 Distribusi status kesehatan gigi dan mulut mnurut pengetahuan kesehatan gigi murid SD UKGS
di kecamatan Bantimurung kab. Maros tahun 2002
Analisis distribusi status kesehatan gigi dan mulut menurut pengetahuan kesehatan gigi murid,
seperti tabel 3 diatas memperlihatkan, dari 307 murid yang diobservasi terlihat persentase yang termasuk
status gigi dan mulut tidak sehat lebih besar ( 56,0 % ) dibandingkan dengan yang termasuk sehat ( 44,0 % ).
Dari tabel tersebut juga terlihat distribusi murid yang berstatus kesehatan gigi tidak sehat
menurut tingkatan pengetahuan persentasenya lebih besar dibandingkan dengan yang berstatus sehat.
167
ANALISIS VARIABEL PENELITIAN
(Contoh Frekuensi Distribusi Data)
Analisis Deskriptip
Nilai tengah dgn skala nominal, ordinal, dan
interval / rasio
Tabel 4 Gambaran Deskriptip Nilai tengah dan Nili Sebar Tinggi Badan dan Prestasi
Belajar Murid Di Wilayah Kerja Puskesmas Bantimurung Tahun
PARAMETER VARIABEL
STATISTIK Tinggi Badan (Cm) Prestasi Belajar
Uji Hipotesis
Tujuan Analisis
Menilai perbedaan nilai sampel
dengan nilai populasinya, perbedaan
nilai observasi dengan harapan, atau
hubungan / perbedaan antara dua
atau lebih sampel. 169
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat)
Variasi nilai uji sangat tergantung pada :
• Tujuan penelitian.
• pertanyaan penelitian.
• Skala pengukuran variabel
Jenis uji
• Uji perbedaan ( test of differences )
• Uji hubungan ( test of Association ) 170
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat) Uji
Hipotesis
Metode Statistika Menurut Tujuan Studi dan Skala Pengukuran
TUJUAN STUDI PERTANYAAN PENELITIAN SKALA UJI STATISTIK
UKUR
Prinsip.
• Variabel yang akan diuji berasal dari satu
sampel dan untuk selanjutnya karakteristik
yang ada didalam sampel dibandingkan dengan
karakteristik yang ada didalam populasi.
• Pengelompokan / pengkategorian variabel
dilakukan menurut skala nominal.
172
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat)
Uji hipotesis untuk skala nominal
Prinsip.
• Metode ststistika yang digunakan adalah uji
chi-square yang terdiri dari :
• Chi-square untuk satu sampel.
• Chi-square untuk dua sampel independent.
• Chi-square untuk k sampel independent.
173
ANALISIS VARIABEL PENELITIAN
( Analisis Bivariat ) Uji Hipotesis
Cara penyelesaian
• Untuk tabel 2 x 2 → lakukan koreksi Yate’s dengan rumus :
( | O – E | - 0,5 )²
X² ( corected ) = Σ --------------------------
E
176
ANALISIS VARIABEL PENELITIAN
( Analisis Bivariat ) Uji Hipotesis
177
ANALISIS VARIABEL PENELITIAN
( Analisis Bivariat )
Rumus Untuk SATU Sampel
( O – E )²
X² = Σ -----------
E
Keterangan :
O = Frekuensi Observasi
E = Frekuensi Harapan
DF = ( C – 1 ) R – 1 )
Frekuensi Harapan
Ialah proporsi obyek yang diharapkan sesuai / berada
dibawah hipotesis nol, dengan rumus sebagai berikut :
Keterangan :
• a,b,c,d = Frekuensi observasi
•n = Jumlah sampel untuk kedua kelompok
• DF = ( C-1 ) R-1)
182
ANALISIS VARIABEL PENELITIAN
( Analisis Bivariat )
• DF = Degree of freedom → adalah besarnya kebebasan untuk
menetukan nilai sel dalam tabel bila besaran dalam tabel tela
diketahui.
• Sampel harus berasal dari dua populasi yang berbeda dimana pada
masing-masing populasi, diobservasi karakteristik untuk dua
variabel yang sama.
SLTA – PT a b a+b
SD – SLTP c d c+d
JUMLAH a+c b+d N 183
ANALISIS VARIABEL PENELITIAN
( Analisis Bivariat )
Rumus untuk “ k “ sampel independent
Σ ( O – E )²
X² = Σ------------------
E
Keterangan :
O = Frekuensi Observasi
E = Frekuensi harapan
DF = ( C – 1 ) ( R – 1 )
186
ANALISIS VARIABEL PENELITIAN
( Analisis Bivariat )
Uji Hipotesis untuk skala nominal
Untuk 70 kebawah
• DKI Jakarta = 1100 x 46.55 % = 512.05
• Jwa Barat = 1300 x 46.55 % = 605.15
• Jawa Tengah = 1300 x 46.55 % = 605.15
• Jawa Timur dan = 1200 x 46.55 % = 558.60
• DIY = 900 x 46.55 = 418.95
Hasil perhitungan frekuensi harapan dimasukkan dalam tabel
sebelumnya. 189
ANALISIS VARIABEL PENELITIAN
( Analisis Bivariat )
UJi hipotesis untuk skala Ordinal
Prinsip.
• Variabel yang akan diuji berasal dari sampel dan untuk
selanjutnya karakteristik yang ada didalam sampel dilihat
hubungannya. Antara satu variabel dan variabel lainnya.
• Pengelompokan / pengkategorian variabel dilakukan menurut
skala ordinal.
• Metode Statistika yang digunakan adalah uji Kendall’s atau
yang terdiri dari :
• Kendall’s taua
• Kendall’s taub
• Kendall’s tauc
• Spearman rank correlation
190
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat) Kendall’s tau
Uji hipotesis untuk skala ordinal
• Dikemukakan oleh Kendall pada tahun 1983 dan dikenal sebagai Kendall tau_ a atau taua.
Contoh tabel
Variabel Varibel Independen Kendali Signif.
Independen Baik Sedang Kurang Jelek (p)
Baik
Sedang
Kurang
Jelek
192
JUMLAH
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat) Kendall’s tau
Contoh kasus
Salah seorang dosen jurusan biostatistik FKM Unhas,
melakukan penelitian terhadap kolerasi antara neutrofil
darah dan neutrofil sumsum tulang penderita tumor non
hematologis. Untuk kepentingan tersebut maka kedua
sumber tersebut ( darah dan sumsum tulang ) diambil
untuk seterusnya dihitung kadar neutrofilnya dengan
hasil sebagai berikut :
193
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat) Kendall’s tau
Tabel – 1 Hasil pengukuran Neutrofil darah dan sumsum tulang penderita tumor non
hematologis sebelum diurut
Penyelesaian
1. Judul penelitian :
“ Korelasi antara neutrofil darah dengan neutrofil sum-sum
tulang pada penderita tumor non hematology”
2. Variabel penelitian : Neutrofil darah dan sum-sum tulang.
3. Rumusan masalah :
Adakah hubungan antara neutrofil darah dan sum-sum
tulang pada penderita tumor non hematologist ?
195
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat) Kendall’s tau
Uji hipotesis untuk skala ordinal
Penyelesaian
4. Sampel : Penderita tumor non hematologist.
5. Hipotesis operasional :
Ho : Tidak korelasi antara neutrofil darah dan sum-sum tulang.
Ha : Ada korelasi antara neutrofil darah dan sum-sum tulang.
Hipotesis matematik :
Ho : l = 0
Ho : l ≠ 0
Ho diterima bila harga z hitung lebih kecil dari tabel, dan Ha diterima
bila harga z hitung lebih besar atau sama dengan harga z tabel. 196
(Analisis Bivariat) Kendall’s tau
Langkah – langkah penyelesaian
1. Susun urutan hasil penelitian pada tabel 1 diatas dalam susunan tabel
berikut ini :
Tabel – 2 Hasil pengukuran Neutrofil Darah merah dan sumsum Tulang penderita tumor non hematologist
Setelah diurut
Hsl Urutan Rangking Y1 Hsl Urutan Rangking Y2
No. Urut Ukur Rangk ( R1 ) Ukur Rangk ( R2 )
( Y1) ( Y1) ( Y2 ) ( Y2)
Hsl. Arry No.Urut Hsl.non Penyesuaian
arry
26
tau-a = ---------------------- = 0,124
199
15 ( 14 )
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat )
Uji hipotesis untuk skala ordinal
K–D
tau-b = -------------------------------------------------------
------------------------------------------------------------
√ [ { n ( n – 1 ) / 2 – T1 } { n ( n – 1 ) / 2 – T2 ]
Keterangan :
T = Jumlah pasangan yang bersamaan. 200
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat )
Kendall tau-c
Rumus umum yang digunakan ialah :
2m ( K – D )
tau-c = -------------------------
n²(m–1)
Keterangan :
M = adalah bilangan terkecil diantara kategori dari variabel ordinal X
dan Y.
Yang digunakan untuk menghitung index korelasi ialah kendall tau-b
dan c, dimana nilainya hampir mencapai nilai ( + 1 ) dan ( - 1 ).
201
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat )
Uji hipotesis untuk skala ordinal
Contoh hasil uji kendall tau.
Tabel 7 hubungan Status Kesehatan Gigi dan Mulut menurut pengetahuan kesehatan Gigi
Murid SD UKGS di Kecamatan Bantimurung Kab. Maros Tahun 2002
203
ANALISIS VARIABEL PENELITIAN
Uji(Analisis
Hipotesis UntukBivariat
Skala Ordinal)
Contoh hasil uji Kendall tau.
Tabel 8 Hubungan status kesehatan Gigi dan Mulut menurut perilaku
kesehatan Gigi murid SD UKGS di Kecamatan Bantimurung Kabupaten
Maros
Tahun 2002
Perilaku Status Kes gigi tota Hsl uji Signi
Kes.Gigi & mulut l Kendal’s fikan
Seha Tdk si
t sehat
Sgt baik 57 32
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat )
Tabel 8 memperlihatkan hasil uji dengan
menggunakan kendall’s diperoleh ; tau-b = 0,323,
dan tau-c = 0,0323 yang berarti konkordans, dengan
tingkat kemaknaan masing-masing 0.000.
( bermakna ) dengan demikian distribusi data
dalam tabel tersebut berdistribusi normal dengan
mengikuti skala ordinal. Hasil uji dengan spearman
rank corfrlation memberikan hasil 0,340 dengan
nilai p = 0.000 ( bermakna ). Dengan demikian
status kesehatan gigi dan mulut berhubungan
dengan perilaku sikat gigi dari murid.
205
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat )
istimewa
ANALISIS VARIABEL PENELITIAN
( Analisis Multivariat )
Contoh :
Tabel 9 . Matriks Korelasi Status Kesehatan Gigi dan Mulut dgn
pengetahuan Kesh. Gigi, Perilaku Kesh. Gigi dan Jenis Makanan
Murid SD UKGS di Kecamatan Bantimurung
Tahun 2002
208
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat )
Uji hipotesis untuk analisis multivariat
Ilustrasi hasil uji
Tabel 9 diatas memperlihatkan korelasi masing-
masing variabel sebagai tahap awal untuk melihat
adanya hubungan. Dari tabel tersebut terlihat dari tiga
variabel yang dimasukkan ternyata hanya ada satu
variabel yang memberikan hubungan yakni variabel
perilaku, dengan indeks korelasi = 0,331 dengan nilai
p = 0.000 sedangkan yang lainnya tidak bermakna.
209
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat )
Tabel 10 Hasil uji regressi variabel pengetahuan, perilaku dan
jenis makanan dengan Variabel status kesehatan gigi dan mulut
Variabel N x SD R R- Adjusted t
Squar R-
e Square
Perilaku
Pengetah 307 2,54 2,42 0,33 0,110 0,107 6,126
1
uan
Jenis
makanan
210
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat )
Uji hipotesis untuk analisis multivariat
Ilustrasi Hasil Uji
Tabel 10 diatas memperlihatkan besarnya korelasi
apabila ketiga variabel predictor dimasukkan secara
bersamaan adalah R = 0,331 dengan besar
pengaruhnya ( R Square ) = 0,110 dengan nilai p =
0.000 ( bermakna ). Pemasukan ketiga variabel
secara bersamaan terihat memberikan interaksi
diantara variabel yang dinilai melalui uji F = 37.528,
dimana uji ini sekaligus juga memberikan informasi
terjadinya hubungan linier antara variabel predictor
dengan variabel dependennya. 211
ANALISIS VARIABEL PENELITIAN
(Analisis Bivariat) Kendall’s tau
212
Terima kasih 213