STATISTIK DESKRIPTIF

EPIDEMIOLOGI
Indira Ika Christianti
2120322009

FAKULTAS KEDOKTERAN
PROGRAM STUDI ILMU KESEHATAN MASYARAKAT MAGISTER
UNIVERSITAS ANDALAS
STATISTIKA
Cabang ilmu yang mempelajari tentang bagaimana
mengumpulkan, menganalisis dan menginterpretasikan data.
Atau dengan kata lain, statistika menjadi semacam alat dalam
melakukan suatu riset empiris.

Jenis:
1. Statistika deskriptif
2. Statistika inferensial
Statistika merupakan kegiatan untuk:
 Mengumpulkan data

 Menyajikan data

 Menganalisis data dengan metode tertentu

 Menginterpretasikan hasil analisis

Statistika Deskriptif:

Berkenaan dengan pengumpulan, pengolahan dan penyajian sebagian atau seluruh data (pengamatan) tanpa pengambilan
kesimpulan. Mendeskripsikan data sesuai dengan data orang, tempat dan waktu populasi tersebut.

Statistika Inferensia

Setelah data dikumpulkan, akan dilakukan berbagai metode statistik untuk menganalisis data dan kemudian dilakukan intepretasi
serta diambil kesimpulan. Statistika inferensi akan menghasilkan generalisasi (jika sampel representative)
TIPE PENGUMPULAN DATA
STATISTIK DESKRIPTIF
A. SUMBER

 Pengumpulan secara langsung (data primer)

Data tersebut dikumpulkan sendiri oleh peneliti.

Dapat dilakukan dilapangan, laboratorium, pasar, masyarakat atau percobaan dan eksperimen

 Pengumpulan secara tidak langsung (data sekunder)

Sebagian data atau secara keseluruhan dari data yang sudah dikumpulkan orang lain atau
lembaga lain. Pengumpulan data sekunder harus dijelaskan sumber datanya. Seperti, curah
hujan-sumber BMKG
 B. SIFAT

1. Data Non - Parametrik

a. Tidak memerlukan asumsi distribusi sehingga sebaran data bebas.
b. Perlu data kualitatif dan kuantitatif
c. Jumlah data yang digunakan kurang dari 30
 Data Nominal
 Data Ordinal

2. Data Parametrik
a. Memerlukan asumsi distribusi data normal
b. Memerlukan jenis data bersifat kuantitatif
c. Jumlah data yang digunakan lebih atau sama dengan 30
 Data Interval
 Data Rasio
 PARAMETRIK
Kelebihan
Pengukuran terhadap data
dilakukan dengan kuat.
Observasi bebas satu sama lain dan
ditarik dari populasi yang berdistribusi
normal serta memiliki varian yang
homogen.
Kekurangan
Populasi harus memiliki varian yang
sama
Variabel-variable yang diteliti harus
dapat diukur setidaknya dalam skala
interval
NON PARAMETRIK
Kelebihan
Tidak membutuhkan asumsi normalitas
Statistik non-parametrik dapat digantikan
data nominal dengan jenjang (ordinal)
Pengujian hipotesis pada statistic non-
parametrik dilakukan secara langsung pada
pengamatan yang nyata
Kekurangan
Statistik non-parametrik terkadang
mengabaikan beberapa informasi tertentu
Hasil pengujian hipotesis dengan statistic
non parametrik tidak setajam parametrik
Hasil statistic non parametrik tidak dapat
diekstrapolasikan ke populasi studi seperti pada
statistic parametrik
C. CARA PENGUMPULAN DATA

1. Metode Sensus

Semua objek yang ada diamati secara keseluruhan, sehingga dengan sendirinya semua
data diperoleh sesuai dengan keadaan yang sebenarnya. Metode sensus memerlukan dana,
tenaga dan waktu yang cukup besar

2. Metode Sampling

Sebagian dari objek yang diamati. Metode ini memerlukan dana, tenaga, dan waktu yang
relatif kecil. Kerugiannya, sering data yang diperoleh sedikit penyimpangan dari keadaan yang
sebenarnya
 PENGOLAHAN DATA
Prosedur Pengolahan Data:

1. PARAMETER:

a. Statistik Parametrik: Berhubungan dengan inferensi statistik yang membahas parameter-parameter populasi, jenis data interval
atau rasio, distribusi data normal atau mendekati normal

b. Statistik NonParametrik: Inferensi statistic tidak membahas parameter-parameter populasi; jenis data nominal atau ordinal;
distribusi data tidak diketahui atau tidak normal

2. JUMLAH VARIABEL

a. Analisis Univariat: hanya ada 1 pengukuran (variabel) untuk n sampel atau beberapa variable tetapi masing-masing variable

dianalisis sendiri-sendiri.

b. Analisis Multivariat: dua atau lebih pengukuran (variabel) untuk n sampel di mana analisis antar variabel dilakukan bersamaan.

Contoh : pengaruh motivasi terhadap pencapaian akademik yang dipengaruhi oleh faktor latar belakang pendidikan orang tua,

faktor sosial ekonomi, faktor sekolah.

 ADA 3 BENTUK PENGUKURAN DESKRIPTIF
1. Tendensi sentral

Pengukuran statistik untuk menentukan skor tunggal yang menetapkan pusat dari
distribusi. Untuk menemukan skor single yang paling khusus atau paling representatif dalam
kelompok.

Ukuran pemusatan : Ukuran penempatan :

• Rata-rata hitung (Arithmatic mean) o Median
• Rata-rata ukur (Geometric mean) o Kuartil
• Rata-rata harmonis (Harmonic mean) o Desil
• Modus o Persentil
2. Dispersi (Ukuran Penyimpangan)
Yang termasuk dispersi :
a) Rentang
b) Dispersi Kuartil.
c) Rata-rata Simpang.
d) Ragam dan Simpang Baku

3. Bentuk Sebaran (Kurva)

 Kemiringan (Skewness)
 Keruncingan (Kurtosis)
 TENDENSI SENTRAL (KECENDERUNGAN SENTRAL)

 Suatu kelompok data mempunyai tendensi untuk mengelompok atau memusat pada nilai tertentu
 Nilai tertentu tersebut dipakai untuk mewakili atau menggambarkan sifat dari kelompok data itu.

RATA-RATA HITUNG

KARAKTERISTIK RATA-RATA HITUNG :

a) Nilai rata-rata ada dan hanya satu.
b) Nilai rata-rata paling demokratis.
c) Nilai rata-rata membagi dua data sama berat.
d) Nilai rata-rata dipengaruhi nilai ekstrim
e) Bagus mewakili data yang variasinya kecil.
f) Dipakai dalam statistika inferensia.
g) Hanya berlaku untuk skala interval dan ratio.
HUBUNGAN EMPIRIS ANTARA NILAI RATA-RATA HITUNG,
MEDIAN, DAN MODUS
Ada 3 kemungkinan kesimetrian kurva distribusi data :
1) Jika nilai ketiganya hampir sama maka kurva mendekati simetri.
2) Jika Mod<Med<rata-rata hitung, maka kurva miring ke kanan
3) Jika rata-rata hitung<Med<Mod, maka kurva miring ke kiri

Jika distribusi data tidak simetri, maka terdapat hubungan :

Rata-rata hitung - Modus = 3 (Rata-rata hitung - Median)

UKURAN PENEMPATAN (TENDENSI SENTRAL)

 UKURAN KEMIRINGAN
KURVA
(SKEWNESS)
Ukuran kemiringan kurva (Skewness) adalah derajat atau ukuran dari ketidaksimetrian suatu distribusi data.

Terjadi jika distribusi pada sekelompok data miring (negative/positif).

Modus akan tetap berada di bawah titik puncak kurva, namun mean akan bergerak kearah titik ekstrim dan
median diantara kedua titik tersebut.

Rumus Ukuran kemiringan kurva terdiri dari :

1. Rumus Pearson
2. Rumus Bowley
3. Rumus Mome
PENYAJIAN DATA
1. NARASI
2. TABEL – disusun menurut kategori-kategori tertentu
a) Tabel biasa : untuk menyajikan data yang terdiri atas beberapa variabel dengan beberapa kategori
b) Tabel distribusi frekuensi : untuk menyajikan data dalam beberapa kelompok

Bentuk umum, ada baris dan kolom.

 Judul Daftar: dibuat pada bagian atas, singkat, jelas, menggambarkan isi daftar secara keseluruhan. Tujuan
agar pembaca dapat memahami secara umum isi dari daftar tersebut.
 Judul baris, pengelompokkan/penjelasan data menurut baris
 Judul kolom: penjelasan/keterangan untuk pengelompokkan kata menurut kolom
 Cell: bagian utuh dari dafta tempat menulis nilai dari data yang disajikan pada daftar tersebut
 Catatan: dibagian paling bawah daftar, berupa keterangan sumber data, penjelasan singkatan atau
keterangan tanda notasi.
TABEL BIASA
TABEL DISTRIBUSI
FREKUENSI
 Disusun bila jumlah data yang akan disajikan cukup banyak, sehingga jika disajikan dalam
bentuk tabel biasa akan menjadi tidak efektif dan kurang komunikatif
 Adanya pembagian kelas yang didasarkan atas kategori-kategori tertentu
PENYAJIAN DATA
2. Grafik/Diagram: Visualisasi data dengan garis/grafik
 Diagram garis : menyajikan data yang berkesinambungan

 Diagram pencar (titik): data yang terdiri atas dua variabel

 Diagram batang: data yang berbentuk kategori atau atribut dan data tahunan yang tahunnya tidak terlalu

banyak

 Diagram lingkaran (Piechart): data yang berbentuk kategori atau atribut dalam persentase

 Grafik gambar (Pictogram): data kasar sesuatu hal dan sebagai alat visual bagi orang awam

 Diagram peta (Kartogram): data yang ada hubungannya dengan tempat kejadian
JENIS GRAFIK
Grafik Titik
 RATE,RASIO DAN PROPORSI DALAM
 
EPIDEMIOLOGI
RATE
Besarnya peristiwa/kejadian yang terjadi pada keseluruhan populasi dalam waktu tertentu
Mengukur kemungkinan kejadian dalam populasi terhadap beberapa peristiwa tertentu,
misalnya kasus atau kematian karena penyakit infeksi.

Rate =

x: Jumlah kejadian pada penduduk

Y: Jumlah penduduk
K: Bilangan konstanta (100, 1000, 10000)
 RASIO
Perbandingan suatu peristiwa (event) sebagai numerator (x) dan peristiwa lainnya yang
tidak berhubungan sebagai denominator (y).
Digunakan untuk menyatakan besarnya kejadian, contoh sex ratio.

x: Banyaknya peristiwa, orang yang mempunya satu atau lebih atribut tertentu.
y: Banyaknya peristiwa, orang yang mempunya satu atau lebih atribut tertentu tetapi berbeda
dengan x
K: Nilainya 1
Karena nilai K=1, maka rumus rasio dapat disederhanakan menjadi X:Y

RATE, RASIO DAN PROPORSI DALAM EPIDEMIOLOGI

  
PROPORSI

Bagian dari suatu peristiwa atau ukuran yang membandingkan suatu peristiwa sebagai numerator (x) dan

peristiwa lainnya sebagai denominator (y) yang mengandung peristiwa numerator (x+y).

Digunakan untuk melihat komposisi suatu variabel dalam populasi.

x = Banyaknya peristiwa atau orang dll yang terjadi dalam kategori tertentu atau sub kelompok dari kelompok yang lebih

besar

y = Banyaknya peristiwa atau orang dll, yang terjadi dalam semua kategori dari kelompok data tsb.

k = Konstanta (selalu sama 100)

RATE, RASIO DAN PROPORSI DALAM EPIDEMIOLOGI
THANK
YOU!