Biostatistik Intermediate

(S207861T)

Evi Nurvidya Arifin, Ph.D

Dr. Dian Kristiani Irawaty

Universitas Respati Indonesia (URINDO)

Jakarta, 15 Oktober 2022
 DEFINISI

Bio  hidup;
Statistik  kumpulan angka-angka.
Biostatistik  Riset untuk
menghasilkan sekumpulan angka
mengenai kehidupan.

Sumber. Torres D, Normando D. Biostatistics: essential concepts for the clinician. Dental Press J Orthod. 2021 Mar 10;26(1):e21spe1.
doi: 10.1590/2177-6709.26.1.E21SPE1. PMID: 33729294; PMCID: PMC8018753.

2
 Biostatistika

Penerapan metode statistika dalam memecahkan

permasalahan dalam bidang biologi
 Mencari deskripsi suatu variable

 Mencari hubungan antar variable

 Menentukan perbedaan respon akibat perlakuan yang

diberikan

Statistik diperlukan sebagai alat untuk membantu

memecahkan berbagai masalah melalui penelitian
Penelitian = penyelidikan/pencarian yang sistematik terhadap
kebenaran yg blm terungkap (Leedy, 1974)
 
Sumber. Francis G. Equivalent statistics and data interpretation. Behav Res Methods. 2017 Aug;49(4):1524-1538. doi:
10.3758/s13428-016-0812-3. PMID: 27743315.

3
Statistik Deskriptif
 Menggambarkan/ memotret
 Potret dengan angka
 Tergantung skala variabel

 Contoh:
 Data 100 mahasiswa URINDO yang diukur
tinggi badannya menunjukkan rata-rata
156 cm
 Statistik Inferensial
 Menggeneralisasi ke populasi
 Menyatakan nilai parameter berdasarkan
nilai statistiknya
 Menggunakan prinsip “peluang”
 Contoh:
 Tinggi badan mahasiswa URINDO rata-rata
156 cm, dengan peluang 95% berada pada
kisaran antara154 cm sampai 158 cm
 Ciri-ciri penelitian :

 dimulai dg adanya pertanyaan

 membutuhkan pernyataan yg jelas
 membutuhkan perencanaan
 dilakukan secara bertahap
 mengajukan hipotesis
 mengemukaan fakta dan makna dg benar
 bersifat sirkuler

6
 Syarat metoda ilmiah

 Dasar : - fakta/data yang reliable, valid, ternilai

- teori yang relevan
 Sifat : universal, obyektif. Jujur dan terbuka. Logis,
kritis, analistis, dinamis dan inovatif

7
Fakta/bukti/empiris  Data

Data Hasil Informasi

statistik
Ambil Keputusan

manajemen Kelola dg baik

Kualitas Data
Benefit & Profit
DATA
 Himpunan nilai/variate/datum atau informasi lain yg

diperoleh dari observasi, pengukuran dan penilaian) thd

suatu obyek atau lebih

 Obyek pengamatan variable variate/nilai

 Data kualitatif = diperoleh dari hasil pengamatan

 Data kuantitatif = diperoleh dari kegiatan pengukuran
atau penilaian

9
Penggolongan data statistik
 Berdasarkan sifat angka :

 Data kontinyu, yaitu data statistic yg angka-

angkanya mrpk deretan angka yg sambung-

menyambung, ex; data BB (kg): 40.3, 40.9, 50
dst
 Data diskrit, yaitu data statistic yg tidak mgk

berbentuk pecahan, ex; data jml buku perpust

(buah): 50,125,350, 275 dst

10
 Berdasarkan cara menyusun angkanya :
 Data nominal, yaitu data statistic yg cara menyusunnya

didasarkan pada klasifikasi tertentu, ex; Jml mahasiswa

PBiologi 2009/2010 menurut tingkat dan jenis
kelaminnya
 Data ordinal/urutan, yaitu data statistic yg cara

menyusun angkanya didasarkan pada urutan/ranking,

Ex: Hasil nilai statistik berdasarkan ranking
 Data interval, yaitu data statistic dimana terdapat jarak

yg sama di antara hal-hal yg sdg diteliti

11
Berdasarkan bentuk angkanya :
 Data tunggal, yaitu data statistic yg angka-angkanya mrpk

satu unit atau satu kesatuan, tdk dikelompokkan

 Data kelompok, yaitu data statistic tiap unitnya terdiri dari

sekelompok angka, ex; 80 – 84, 75 – 79

Berdasarkan waktu pengumpulannya :

 Data seketika, yaitu data statistic yg mencerminkan

keadaan pada suatu waktu saja, ex : pada semester gasal

2009/2010
 Data urutan waktu, yaitu data statistic yg mencerminkan

keadaan dari waktu ke waktu secara berurutan, ex jumlah

mahasiswa yg lulus dari tahun 1996 - 2006

12
POPULASI DAN SAMPEL

POPULASI
SAMPEL
Sebuah kumpulan
Suatu bagian dari populasi
semua tertentu yang menjadi perhatian.
kemungkinan orang-orang,
benda-benda dan ukuran lain
dari objek yang menjadi
perhatian.

13
Poin 1,2,3,4,7 disebut statistik deskriptif (tanpa
analisis, tanpa generalisasi, tanpa pengujian
hipotesis, dan hanya melakukan perhitungan-
perhitungan saja) Disajikan dalam bentuk tabel
distribusi frekuensi (mean, modus, median), bar-
diagram, histogram, polygon, dll

Poin 1,2,3,4,5,6,7 disebut statistik inferensial (dg

analisis, generalisasi, pengujian hipotesis)
 
Uji t,z, F

14
 JENIS-JENIS STATISTIKA

Materi:
1. Penyajian data
2. Ukuran pemusatan
3. Ukuran penyebaran
4. Angka indeks
Statistika Deskriptif
5. Deret berkala dan
peramalan

Materi:
STATISTIKA 1. Probabilitas dan teori
keputusan
2. Metode sampling
3. Teori pendugaan
Statistika Induktif 4. Pengujian hipotesa
5. Regresi dan korelasi
6. Statistika
nonparametrik
15
Data kasar (raw data) diperoleh dari hasil pengukuran suatu
variable pada sample yang diambil dari suatu populasi
menggunakan teknik pengambilan sample tertentu

Langkah-langkah kegiatan statistika utk menangani data kasar :

1. Pengumpulan data,
2. Pengolahan data (diurutkan atau digolongkan),
3. Penyajian data dalam tabel atau grafik,
4. Penafsiran sajian data,
5. Analisa data,
6. Penafsiran dan pengambilan kesimpulan,
7. Pemanfaat penafsiran dan kesimpulan utk penentuan
kegiatan penelitian lebih lanjut.
  
 SUMBER DATA STATISTIKA

1. Wawancara langsung
2. Wawancara tidak
Data Primer langsung
3. Pengisian kuisioner

DATA

Data dari pihak lain:

1. BPS
Data Sekunder 2. Bank Indonesia
3. World Bank, IMF
4. FAO dll

17
Istilah dalam statistika
 Obyek = benda hidup atau mati yg diuji unsur-unsur,
sifat dan kelakuannya melalui pengamatan, pengukuran
dan penilaian guna mendpt info atau nilai-nilai yg berguna
mengenai benda tsb

 VARIABEL
Suatu sifat dari obyek atau unsur dari obyek yg dpt
diamati atau diukur shg menghasilkan nilai, ukuran atau
criteria lain yg dpt bervariasi

 VARIATE
Angka/nilai ukuran/criteria lain yg dicapai suatu variabel
pada suatu individu atau unit statistic
18
 VARIASI
Adanya perbedaan antar nilai/variate/ukuran dll dari suatu
variabel pada populasi atau sampel
 
 VARIABILITAS
Kemungkinan utk bervariasi dr nilai suatu variable pd
suatu populasi atau sample
 
 PARAMETER
suatu variabel terukur yg digunakan sbg criteria utk
mengevaluasi suatu populasi atau sistem

19
 NILAI PARAMETRIK
suatu nilai dari suatu parameter yg diperoleh dari
perhitungan atau data sensus, masih harus di
analisis.
 
 NILAI STATISTIK
suatu nilai dari suatu parameter yg diperoleh dari
perhitungan atau data sensus.

20
Statistika Parametrik:
• Membutuhkan pengukuran kuantitatif dengan data
interval atau rasio
• mempertimbangkan jenis sebaran/distribusi data,
yaitu apakah data menyebar normal atau tidak.
• Contoh metode statistika parametrik: uji-z (1 atau 2
sampel), uji-t (1 atau 2 sampel), korelasi pearson,
Perancangan Percobaan (1 or 2-way ANOVA
parametrik), dll.
Statistika Nonparametrik
 Membutuhkan data dengan data ordinal dan nominal

 Merupakan statistika bebas sebaran (tdk

mensyaratkan bentuk sebaran parameter populasi,

baik normal atau tidak).
 Contoh metode Statistika non-parametrik:Binomial

test, Chi-square test, Median test, Friedman Test, dll.

22
DISTRIBUSI FREKUENSI
DEFINISI

Pengelompokkan data menjadi tabulasi data dengan

memakai kelas-kelas data dan dikaitkan dengan
masing-masing frekuensinya
KELEBIHAN DAN KEKURANGAN

 Kelebihan
Dapat mengetahui gambaran secara menyeluruh

 Kekurangan
Rincian atau informasi awal menjadi hilang
CONTOH

Distribusi Frekuensi Tinggi Badan 100 Mahasiswa URINDO

Tinggi Badan Frekuensi
151-153 3
154-156 7
157-159 12
160-162 18
163-165 27
166-168 17
169-171 11
172-174 5

Sumber: Data buatan

LIMIT, BATAS, NILAI TENGAH, DAN LEBAR
KELAS

 Limit Kelas/Tepi Kelas

Nilai terkecil/terbesar pada setiap kelas
 Batas Kelas
Nilai yang besarnya satu desimal lebih sedikit dari
data aslinya
 Nilai Tengah Kelas
Nilai tengah antara batas bawah kelas dengan batas
atas kelas
 Lebar Kelas
Selisih antara batas bawah kelas dengan batas atas
kelas
CARA MEMBUAT TABEL DISTRIBUSI
FREKUENSI

1) Tentukan Range atau jangkauan data (r)

2) Tentukan banyak kelas (k)
Rumus Sturgess :
k=1+3,3 log n
3) Tentukan lebar kelas (c)
c=r/k
CARA MEMBUAT TABEL DISTRIBUSI
FREKUENSI (lanjutan)

4) Tentukan limit bawah kelas pertama dan kemudian

batas bawah kelasnya
5) Tambah batas bawah kelas pertama dengan lebar kelas
untuk memperoleh batas atas kelas
6) Tentukan limit atas kelas
7) Tentukan nilai tengah kelas
8) Tentukan frekuensi
CONTOH

Data hasil ujian akhir Mata Kuliah Statistika

dari 60 orang mahasiswa
23 60 79 32 57 74 52 70 82 36

80 77 81 95 41 65 92 85 55 76

52 10 64 75 78 25 80 98 81 67

41 71 83 54 64 72 88 62 74 43

60 78 89 76 84 48 84 90 15 79

34 67 17 82 69 74 63 80 85 61
JAWAB

1. Data terkecil = 10 dan Data terbesar = 98

r = 98 – 10 = 88
Jadi jangkauannya adalah sebesar 88
2. Banyak kelas (k) = 1 + 3,3 log 60 = 6,8
Jadi banyak kelas adalah sebanyak 7 kelas
3. Lebar kelas (c) = 88 / 7 = 12,5 mendekati 13
4. Limit bawah kelas pertama adalah 10, dibuat beberapa
alternatif limit bawah kelas yaitu 10, 9, dan 8
Maka batas bawah kelas-nya adalah 9,5 ; 8,5 ; dan 7,5
JAWAB (lanjutan)

5. Batas atas kelas pertama adalah batas bawah kelas ditambah

lebar kelas, yaitu sebesar
- 9,5 + 13 = 22,5
- 8,5 + 13 = 21,5
- 7,5 + 13 = 20,5
6. Limit atas kelas pertama adalah sebesar
- 22,5 - 0,5 = 22
- 21,5 - 0,5 = 21
- 20,5 – 0,5 = 20
JAWAB (lanjutan)
Alternatif 1 Alternatif 2 Alternatif 3
8-20 9-21 10-22
21-33 22-34 23-35
34-46 35-47 36-48
47-59 48-60 49-61
60-72 61-73 62-74
73-85 74-86 75-87
86-98 87-99 88-100

Misal dipilih Alternatif 2

JAWAB (lanjutan)

7. Nilai tengah kelas adalah

8. Frekuensi kelas pertama adalah 3

 JAWAB (lanjutan)
Distribusi Frekuensi Nilai Ujian Akhir Mata Kuliah Statistika
Interval Kelas Batas Kelas Nilai Tengah Frekuensi
9-21 8,5-21,5 15 3
22-34 21,5-34,5 28 4
35-47 34,5-47,5 41 4
48-60 47,5-60,5 54 8
61-73 60,5-73,5 67 12
74-86 73,5-86,5 80 23
87-99 86,5-99,5 93 6
Jumlah 60
DISTRIBUSI FREKUENSI RELATIF DAN KUMULATIF

 Distribusi frekuensi relatif

Membandingkan frekuensi masing-masing kelas
dengan jumlah frekuensi total dikalikan 100 %
 Distribusi frekuensi kumulatif ada 2, yaitu distribusi
frekuensi kumulatif kurang dari dan lebih dari
 DISTRIBUSI FREKUENSI RELATIF

Distribusi Frekuensi Relatif Nilai Ujian Akhir Mata Kuliah Statistika

Frekuensi
Interval Kelas Batas Kelas Nilai Tengah Frekuensi
Relatif (%)
9-21 8,5-21,5 15 3 5
22-34 21,5-34,5 28 4 6,67
35-47 34,5-47,5 41 4 6,67
48-60 47,5-60,5 54 8 13,33
61-73 60,5-73,5 67 12 20
74-86 73,5-86,5 80 23 38,33
87-99 86,5-99,5 93 6 10

Jumlah 60 100
 DISTRIBUSI FREKUENSI KUMULATIF KURANG
DARI

Distribusi Frekuensi Kumulatif Kurang Dari Untuk Nilai Ujian Akhir Mata Kuliah Statistika

Interval Batas Kelas Frekuensi Kumulatif Persen

Kelas Kurang Dari Kumulatif
kurang dari 8,5 0 0
9-21 kurang dari 21,5 3 5
22-34 kurang dari 34,5 7 11,67
35-47 kurang dari 47,5 11 18,34
48-60 kurang dari 60,5 19 31,67
61-73 kurang dari 73,5 31 51,67
74-86 kurang dari 86,5 54 90
87-99 kurang dari 99,5 60 100
 DISTRIBUSI FREKUENSI KUMULATIF LEBIH DARI

Distribusi Frekuensi Kumulatif Lebih Dari Untuk Nilai Ujian Akhir Mata Kuliah
Statistika
Interval Batas Kelas Frekuensi Kumulatif Persen
Kelas Lebih Dari Kumulatif
9-21 lebih dari 8,5 60 100
22-34 lebih dari 21,5 57 95
35-47 lebih dari 34,5 53 88,33
48-60 lebih dari 47,5 49 81,66
61-73 lebih dari 60,5 41 68,33
74-86 lebih dari 73,5 29 48,33
87-99 lebih dari 86,5 6 10
lebih dari 99,5 0 0
 HISTOGRAM DAN POLIGON
FREKUENSI
Histogram dan Poligon Frekuensi Nilai Ujian Akhir Mata Kuliah Statistika

25 23
Histogram
Frekuensi

20
Poligon Frekuensi
15 12
10 8
6
3 4 4
5

0 8,5 34,5 60,5 86,5

21,5 47,5 73,5 99,5 Nilai
 Frekuensi Kumulatif Kurang Dari Untuk Nilai Ujian Akhir Mata Kuliah Statistika

60 60
54
Frekuensi Kumulatif

50
40
31
30
20 19 6
11
10 7
3
0 8,5 34,5 60,5 86,5
21,5 47,5 73,5 99,5 Nilai
Frekuensi Kumulatif Lebih Dari Untuk Nilai Ujian Akhir Mata Kuliah Statistika

60 60 57
53
Frekuensi Kumulatif

50 49
41
40
30 29

20
10 6

0 8,5 34,5 60,5 86,5

21,5 47,5 73,5 99,5 Nilai
Frekuensi Kumulatif Dari Untuk Nilai Ujian Akhir Mata Kuliah Statistika

60 kurva ogif lebih dari

kurva ogif kurang dari
Frekuensi Kumulatif

50
40
30
20
10

0 8,5 34,5 60,5 86,5

21,5 47,5 73,5 99,5 Nilai
UKURAN PEMUSATAN DAN LETAK DATA
UKURAN PEMUSATAN
Merupakan nilai tunggal yang mewakili semua
data atau kumpulan pengamatan dimana
nilai tersebut menunjukkan pusat data.
Yang termasuk ukuran pemusatan :
1. Rata-rata hitung
2. Median
3. Modus
4. Rata-rata ukur
5. Rata-rata harmonis
 1. RATA-RATA HITUNG
Rumus umumnya :

1. Untuk data yang tidak mengulang

2. Untuk data yang mengulang dengan frekuensi

tertentu
 RATA-RATA HITUNG
(lanjutan)
1. Dalam Tabel Distribusi Frekuensi
Interval Kelas Nilai Tengah Frekuensi fX
(X)
9-21 15 3 45
22-34 28 4 112
35-47 41 4 164
48-60 54 8 432
61-73 67 12 804
74-86 80 23 1840
87-99 93 6 558

Σf = 60 ΣfX = 3955
 RATA-RATA HITUNG
(lanjutan)
2. Dengan Memakai Kode (U)
Interval Kelas Nilai Tengah U Frekuensi fU
(X)
9-21 15 -3 3 -9
22-34 28 -2 4 -8
35-47 41 -1 4 -4
48-60 54 0 8 0
61-73 67 1 12 12
74-86 80 2 23 46
87-99 93 3 6 18

Σf = 60 ΣfU = 55
 RATA-RATA HITUNG
(lanjutan)
3. Dengan pembobotan
Masing-masing data diberi bobot.

Misal A memperoleh nilai 65 untuk tugas, 76 untuk

mid dan 70 untuk ujian akhir.
Bila nilai tugas diberi bobot 2, Mid 3 dan Ujian
Akhir 4, maka rata-rata hitungnya adalah :
 2. MEDIAN
Untuk data berkelompok
 MEDIAN (lanjutan)
Contoh :
Letak median ada pada
data ke 30, yaitu pada
Interval Frekuensi interval 61-73, sehingga :
Kelas
L0 = 60,5
9-21 3
22-34 4 F = 19
35-47 4
48-60 8 f = 12
61-73 12
74-86 23
87-99 6

Σf = 60
 3. MODUS
Untuk data berkelompok
 MODUS (lanjutan)
Contoh :
Data yang paling sering
muncul adalah pada interval
Interval Frekuensi 74-86, sehingga :
Kelas
L0 = 73,5
9-21 3
22-34
35-47
4
4
b1 = 23-12 = 11
48-60
61-73
8
12
b2 = 23-6 =17
74-86 23
87-99 6

Σf = 60
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.
 HUBUNGAN EMPIRIS ANTARA NILAI RATA-RATA
HITUNG, MEDIAN, DAN MODUS (lanjutan)
Jika distribusi data tidak simetri, maka terdapat
hubungan :

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

 4. RATA-RATA UKUR
Digunakan apabila nilai data satu dengan yang lain
berkelipatan.

Untuk data tidak berkelompok

Untuk data berkelompok

 RATA-RATA UKUR (lanjutan)
Contoh :
Interval Nilai Tengah Frekuensi log X f log X
Kelas (X)
9-21 15 3 1,18 3,54
22-34 28 4 1,45 5,8
35-47 41 4 1,61 6,44
48-60 54 8 1,73 13,84
61-73 67 12 1,83 21,96
74-86 80 23 1,90 43,7
87-99 93 6 1,97 11,82

Σf = 60 Σf log X = 107,1
 5. RATA-RATA HARMONIS
Biasanya digunakan apabila data dalam bentuk
pecahan atau desimal.
Untuk data tidak berkelompok

Untuk data berkelompok

 RATA-RATA HARMONIS
(lanjutan)
Contoh :
Interval Nilai Tengah Frekuensi f/X
Kelas (X)
9-21 15 3 0,2
22-34 28 4 0,143
35-47 41 4 0,098
48-60 54 8 0,148
61-73 67 12 0,179
74-86 80 23 0,288
87-99 93 6 0,065

Σf = 60 Σf / X = 1,121
KUARTIL, DESIL, PERSENTIL
1. Kuartil
Kelompok data yang sudah diurutkan
(membesar atau mengecil) dibagi
empat bagian yang sama besar.

Ada 3 jenis yaitu kuartil pertama (Q1)

atau kuartil bawah, kuartil kedua (Q2)
atau kuartil tengah, dan kuartil ketiga
(Q3) atau kuartil atas.
 KUARTIL (lanjutan)
Untuk data tidak berkelompok

Untuk data berkelompok

L0 = batas bawah kelas kuartil

F = jumlah frekuensi semua
kelas sebelum kelas kuartil Qi
f = frekuensi kelas kuartil Qi
 KUARTIL (lanjutan)
Contoh :
Interval Nilai Frekuensi Q1 membagi data menjadi 25 %
Kelas Tengah Q2 membagi data menjadi 50 %
(X) Q3 membagi data menjadi 75 %
9-21 15 3
22-34 28 4
35-47 41 4 Sehingga :
48-60 54 8
61-73 67 12
74-86 80 23 Q1 terletak pada 48-60
87-99 93 6
Q2 terletak pada 61-73
Σf = 60
Q3 terletak pada 74-86
 KUARTIL (lanjutan)
Untuk Q1, maka :

Untuk Q2, maka :

Untuk Q3, maka :

KUARTIL, DESIL, PERSENTIL (lanjutan)

2. Desil
Kelompok data yang sudah diurutkan
(membesar atau mengecil) dibagi
sepuluh bagian yang sama besar.
DESIL (lanjutan)
Untuk data tidak berkelompok

Untuk data berkelompok

L0 = batas bawah kelas desil
Di
F = jumlah frekuensi semua
kelas sebelum kelas
desil Di
f = frekuensi kelas desil Di
 DESIL (lanjutan)
Contoh :
Interval Nilai Frekuensi D3 membagi data 30%
Kelas Tengah
(X) D7 membagi data 70%
9-21 15 3
22-34 28 4
35-47 41 4
48-60 54 8 Sehingga :
61-73 67 12
74-86 80 23
87-99 93 6

Σf = 60
D3 berada pada 48-60
D7 berada pada 74-86
DESIL (lanjutan)
KUARTIL, DESIL, PERSENTIL (lanjutan)

3. Persentil
Untuk data tidak berkelompok

Untuk data berkelompok

Terima Kasih