DESKRIPTIF INFERENSIAL
• Metode grafis
– lebih sesuai daripada metode numerik untuk
mengidentifikasi pola-pola tertentu dalam data
– pendekatan numerik lebih tepat dan objektif
– Saling melengkapi
Tiga karakteristik utama dari variabel
tunggal
• Distribusi data (distribusi frekuensi)
• Ukuran pemusatan/tendensi sentral (Central
Tendency)
• Ukuran penyebaran (Dispersion)
Distribusi Data
• Pengaturan, penyusunan, dan peringkasan
data dengan membuat tabel seringkali
membantu, terutama pada saat kita bekerja
dengan sejumlah data yang besar.
• Tabel tersebut berisi daftar nilai data yang
mungkin berbeda (baik data tunggal ataupun
data yang sudah dikelompok-kelompokan)
beserta nilai frekuensinya.
• Frekuensi menunjukkan banyaknya kejadian/kemunculan nilai
data dengan kategori tertentu.
• Distribusi data yang sudah diatur tersebut sering disebut
dengan distribusi frekuensi.
• Distribusi frekuensi dapat digambarkan dalam dua cara, yaitu
sebagai tabel atau sebagai grafik.
(Sorlie, 1995; p. 2)
STATISTIK INFERENSI
• Statistik inferensi bertujuan untuk menarik
kesimpulan karakteristik (Parameter) populasi
melalui perhitungan statistik sampel.
• Dasar : Teori Estimasi (pendugaan/penaksiran)
dan Teori Probabilitas ( peluang ).
• 2 bagian penting statistik inferensi : Estimasi
dan testing hipotesis
Statistik inferensial mempunyai dua fungsi:
1) untuk estimasi, 2) menguji hipotesis.
Issue
• Berapakah rata rata ( rerata ) kadar gula darah
penderita Diabetes yang telah melaksanakan
pengobatan secara teratur selama 6 bulan ?
…..Estimasi
• Apakah ada hubungannya antara kadar gula darah
dengan keteraturan berobat penderita
Diabetes ? ...Estimasi dan test hipotesis
• Apakah ada perbedaan kadar gula darah antara
penderita Diabetes laki-laki dan perempuan yang
telah melaksanakan pengobatannya secara teratur
selama 6 bulan ? …..Estimasi dan test hipotesis
CONTOH - 1
• Seorang dokter anak ingin membuktikan bahwa pemberian
antipiretika parenteral disertai dengan kompres alkohol pada
anak febrile confulsion lebih cepat menghilangkan episode
kejang dibanding dengan diberi anti piretik parenteral saja
• Dari 100 penderita anak dengan febrile confulsion di bangsal
anak RS dibagi 2 kelompok masing-masing n1=50 dan n2=50.
Terhadap kelompok n1 diberikan injeksi parentral dengan
dosis sesuai berat badan dan umurnya dan disertai kompres
alkohol, sedang terhadap kelompok n2 diberikan antipiretika
parenteral sesuai standar . Hasil percobaan mengukur lama
sejak tindakan sampai hilangnya episode kejang selama 2 jam.
Hasilnya ternyata kelompok 1 rata-rata 30 menit sedang pd
kelompok 2 rata-rata 40 menit;
• APAKAH BENAR DUGAAN (HIPOTESIS) DOKTER ANAK TERSEBUT BAHWA
PEMBERIAN ANTIPIRETIK PARENTERAL DISERTAI KOMPRES ALKOHOL LEBIH
CEPAT MENGHENTIKAN KEJANG AKIBAT FEBRIS DIBANDING PEMBERIAN
ANTIPIRETIKA SAJA ?
Contoh - 2
• Seorang mahasiswa kedokteran mendapati konsep bahwa
beberapa titik akupunctur dapat menghentikan rasa mual
(nausea). Mhs tersebut mencoba efektifitas accupuncture
titik tersebut terhadap emesis gravidarum dibanding dengan
accupressure.
• 20 Ibu hamil dengan emesis gravidarum, dibagi menjadi dua
kelompok A dan B. Kelompok A, n1=10, diberikan
pengobatan akupunctur secara standar. Kelompok B, n2=10
diberi accupressure pada titik yang sama dengan waktu
yang sama. Hasilnya 4 dari 10 (40 % ) sampel kelompok A
menunjukkan tanda berhentinya emesis gravidarum ,
sedang dari kelompok B, hanya 3 dari 10 sampel ( 30 % )
• APAKAH BENAR DUGAAN (HIPOTESIS) MAHASISWA TERSEBUT BAHWA
PEMBERIAN AKUPUNCTURE LEBIH BERHASIL MENURUNKAN GEJALA
EMESIS DIBANDING AKUPRESSURE?
ESTIMASI…..?
• Proses menduga nilai PARAMETER dari nilai
STATISTICS
• Estimasi berhubungan dengan mendeskripsi
kan karakteristik (parameter) populasi
berdasarkan sampel.
• Statistik sampel (x,sd,p,r ) yang digunakan
untuk menduga parameter populasi (,,P,R )
disebut Estimator
• Nilai yang digunakan untuk menduga
parameter populasi disebut Estimit,rerata berat
badan 60 kg.
Prinsip dasar memilih estimator
• Untuk karakteristik kontinyu, estimasi dilakukan
dengan : Mean, simpangan baku atau koefisien
korelasi
• Untuk karakteristik katagori atau deskret , estimasi
pada umumnya dilakukan dengan proporsi
• Untuk karakteristik ordinal atau kontinyu yang tidak
terdistribusi secara normal, estimasi biasanya
dilakukan dengan Median atau Modus.
PRINSIP DASAR PENGEMBANGAN
FORMULA ESTIMASI
• Parameter : , P, dan R
– Statistics : x, p dan r
– Model distribusi teoretik : Distribusi Normal,
Distribusi t
• Parameter :
– Statistik : s
– Model distribusi teoretik : Distribusi F
• Parameter : Distribusi jumlah sel
– Statistik : distribusi sel dari sampel
– Model distribusi teoretik : Chi-square (2)
LANGKAH :
– Apa parameter ( karakteristik populasi )
yang akan dideskripsikan (,P,R, ). Apa
dasarnya ?
– Pilih Sampel representatif (n) dari Populasi
(N)
– Hitung nilai statistik yg sesuai (x,p,r,s)
– Lakukan Estimasi nilai parameter dari x,
dari s , R dari r atau P dari p, dengan
teknik Estimasi yang sesuai
– Interpretasi hasil estimasi
Estimator
yang baik….?
1. Unbias
nilai hasil statistik sampel sama dengan nilai
parameter populasi. Mungkinkah ?
2. Effisien
Statistik sampel yang digunakan mempunyai
kesalahan baku paling kecil
3. Konsisten
Bila besar sampel bertambah nilai statistik sampel
akan lebih mendekati nilai parameter populasi.
Interval keyakinan
• Estimasi nilai parameter populasi tidak
mungkin tepat atau benar 100 % , mengapa ?
• Namun estimasi nilai parameter populasi dari
statistik sampel dapat dipercayai atau diyakini
terletak diantara rentang nilai statistik
• Rentang nilai statistik didasarkan pada tingkat
keyakinan : interval keyakinan yang kita
inginkan ( confidence interval ) apakah 90 % ,
95 % ataukah 99 %.
Contoh
• Andaikan rerata kadar gula darah 60 penderita
Diabetes ( sampel ) yang telah berobat teratur
selama 6 bulan sebesar : 150 mg %, dengan
simpangan baku : 10 mg %.
• Andaikan Interval keyakinan 95 %, nilai reratanya
terletak 140 – 160 mg %, artinya kita yakin 95 %
bahwa rerata kadar gula darah
sesungguhnya penderita Diabetes yang telah
berobat teratur selama 6 bulan terletak
antara 140 mg % dan 160 mg %
Macam Estimasi
1. Estimasi satu populasi
a. Nilai rata – rata
- Point estimasi atau interval estimasi
b. Nilai proporsi
- Point estimasi atau interval estimasi
2. Estimasi dua populasi
a. Perbedaan nilai rata – rata
- Interval estimasi
b. Perbedaan proporsi
- Interval estimasi
PROSES ESTIMASI
SAMPLE
POPULASI
ESTIMASI x 1, p 1
• , P
X 1 - 1,96 . SE X1 X1 1,96 . SE X1
x1 x 2
x2, p2
X2 - 1,96 . SE X X2 1,96 . SE X
2 2
SAMPLE
POPULASI
ESTIMASI n1 x 1, p 1
• , P
Point Estimate
of Population Mean
n1
X1 - 1,96 . SE x X1 1,96 . SE x
1 1
S
SE X
n
Lower 95% Interval Estimate of
Confidence Limit Population Mean
POPULASI-1 x1
1 ? p1
P1 ?
• x1 x2 ? • 1 = 2 ?
POPULASI-2 • p1 = p2 ? • p1 = p2 ?
2 ?
P2 ?
x2
p2
SE p = p (1-p) /n
Contoh Estimasi satu populasi
Dalam suatu daerah tertentu berat badan waktu lahir bayi
Laki-laki tersebar secara normal dengan = 3,3 Kg , =0,5.
Dari sampel acak 100 bayi laki-laki yang lahir dari kelompok
Etnis tertentu mempunyai berat waktu lahir = 3,2 Kg.
Apakah berat rata rata waktu lahir bayi laki laki dari sub kelompok
etnis berbeda dengan berat rata rata waktu lahir didaerah tsb ?
(X - ) Z= (3,2 –3,3) / (0,5 /100) = 2
Z= --------- Z hitung > 1.96
/ n
Apabila tingkat kepercayaan 95 % ….. Nilai Z = 1,96
Kesimpulan secara statistik berbeda bermakna
Berapa peluang untuk mendapatkan bayi lahir dengan BB > 3,2 Kg ?
MENGHITUNG LUAS AREA DIBAWAH KURVA
NORMAL
.3413
Z=0.0 1.0
TEST OF TWO INDEPENDENT SAMPLE
MEANS
Is 1 2 ?
x1 - x 2 - 0
2 2
s (n1 - 1) s (n 2 - 1) t
Sp 1 2
sp 1/n1 1/n 2
n1 n2 2
Hipotesis Null ( Ho ) :
* Hipotesis yang akan di uji dengan perhitungan statistik.
* Pada uji statistik diformulasikan untuk tidak diterima.
* Biasanya formulasinya :
* Tidak ada perbedaan dua atau lebih variabel
* Tidak ada hubungan dua atau lebih variabel
* Persamaan dua atau lebih variabel
* Berlawanan dengan hipotesis kerja
Power
Probabilitas untuk menolak hipotesis nol ( menerima
hipotesis kerja ) dan sesungguhnya pada populasi ada
perbedaan. PADA POPULASI
berbeda tak berbeda
HO Kesalahan
POWER Type I
ditolak 5%
(1–)
UJI
( berbeda) ( ) 1%
HIPOTESIS Kesalahan
Type I I (1-)
HO
diterima ( ) 5 – 20 %
(tak beda )
BENTUK PENGUJIAN : SATU ARAH atau DUA ARAH
Penerimaan
Penolakan H0 Penolakan
H0 H0
0.025 μ 0.025
( 2,5 % ) 95 % ( 2,5 % )
α -1.96 s x +1.96 s α
SD
Rural n = 100, Rerata kolesterol = 160 mg/ml, sd = 22,4
Ho: tidak ada perbedaan tekanan darah antara sebelum dan sesudah
pemberian obat X.
n = 10 n = 10 n = 20
Nilai BB bayi nilai BB bayi nilai BB bayi
Mean BB Mean BB Mean BB
komparasi
Chi-Square test
CHI-SQUARE TEST
• DATA KUALITATIP
• DATA KATEGORI ( SKALA KONTINUE KE SKALA
KATEGORI )
• HUBUNGAN (ASSOCIATION ) ANTARA DUA
VARIABEL
• DASAR : KOMPARASI FREKWENSI PENGAMATAN
( OBSERVED FREQUENCIES ) DENGAN FREKWENSI
YANG DIHARAPKAN ( EXPECTED FREQUENCIES
• NON PARAMETRIK TEST
EXPECTED FREQUENCIES dan
OBSERVED FREQUENCIES
• Ambil satu uang logam dan lemparkan keatas
kemudian tangkap kembali dengan telapak tangan
kanan lalu tutup dengan telapak tangan kiri. Coba
tebak yang menghadap keatas apakah Gambar
atau Angka yang sdr inginkan ? Sekarang buka dan
lihat apakah sesuai dengan yang sdr inginkan ?
FORMULA :
X² = ( O – E )² / E dengan
Derajat bebas ; ( k – 1 ) ( b – 1 )
Bandingkan dengan Nilai X² tabel
Penggunaan
Chi-Square test
Dasar :
- Menilai perbedaa nilai expected dan pengamatan ( observed )
- Tak dapat dihitung reratanya
- Menyatakan assosiasi
Sembuh tak sembuh
79 21 100
VARIABEL VARIABEL
X Y
INDEPENDEN DEPENDEN
Y
***
***
***
***
X
Hubungan negatip
Korelasi
derajat hubungan atau kekuatan hubungan antar variabel
diukur dengan KOEFISIEN KORELASI ( r )
* Formula :
6 d12
rs = 1 - -----------
N3 - N
Korelasi biserial :
* Formula :
_
Xp - X p.q
r = ----------- [ ------- ]
Sx Y
Populasi : Y = A + BX
Sampel : Y = a + bx
n XY - ( X ) (Y) Y X
b= --------------------- a = Y bx = ---- - b ----
n X2 - (X)2 n n
Buat tabel :
X Y X2 XY
18 96 324 1728
20 90 400 1800
dst
239 573 7607 16209
n XY –[ ( X ) (Y)]/n Y X
b= --------------------- a = Y bx = ---- - b ----
X2 – [(X)2 ] / n n n
b = - 1,95 a = 129,8
Y = 129,8 – 1,95 X Bila immunisasi = 50
Y = 129,88 - 1,95 ( 50 ) = 32,8 = 32 ( tingkat kematian )
Statistik
Non Parametrik
Assumsi
Non Parametrik
34 3 45
20 1 1.5
20 1 1.5
45 5 67
35 4 5 6
34 3 4,5
Variabel TEST
Bebas Tak bebas
Variabel Metode
Bebas Tak bebas