Hari Basuki N.

FKM-Unair
 Curriculum Vitae
• Nama : Dr. Hari Basuki Notobroto, dr.,
M.Kes
• Tempat, tanggal lahir : Tulungagung, 25 Juni 1965
• Riwayat
• S1 Pendidikan
Fakultas Kedokteran
: Universitas Airlangga 1990
• S2 PS Ilmu Kesehatan Masyarakat (Biostatistika) 1994
• S3 PS Ilmu Kedokteran 2001
• Riwayat Pekerjaan :
• 1992S1993 Staf Pengajar Fakultas Kedokteran Unair
• 1993Ssekarang Staf Pengajar Fakultas Kesehatan Masyarakat Unair
• Riwayat Mengajar :
• S1, S2, S3 Fakultas Kesehatan Masyarakat Unair
• S2, S3 Fakultas Psikologi Unair
Bidang Keahlian:
• • Biostatistika
S2, S3 Sekolah Pascasarjana Unair
• Metodologi Penelitian
• S3, Sp2 Fakultas Kedokteran Unair
• • Sistem Informasi Kesehatan
S2 Fakultas Sains dan
Teknologi Unair
 STATISTIKA
Pengetahuan tentang cara pengumpulan,
penyajian data, pengolahan dan analisis
data, dan penarikan kesimpulan berdasarkan
kumpulan data dan analisis yang dilakukan
 SUBSTANSI
PENELITI0
AN

KONSEP
POPULASI
DAN SAMPEL
METODO
0 LOGI
STATISTIK
PENELITI0
A
AN
 STATISTIKA DESKRIPTIF
POPULASI

PARAMETER
SAMPLING
 SAMPEL

 STATISTIK
 x
s
s2 r
GENERALISASI/
INFERENSI

STATISTIKA INFERENSIAL
 INFERENSI
= GENERALISASI
• Penarikan kesimpulan mengenai keadaan
populasi (nilai parameter) berdasarkan
sampel (nilai statistik)
• Syarat : Sampel representatif/mewakili
populasi
Sampel yang representatif

1.Besar sampel
2.Cara
2. pengambilan
Teknik Sampling sampel
3.Ciri3ciri populasi dalam
sampel
 Repre- Generali- Analisis Analisis
Asal Data Nilai
sasi Deskriptif Inferensial
sentatif
Populasi Parameter - + -
Statistik - - + -
Sampel
Statistik + + + +
 KONSEP
POPULASI ?
SAMPEL
Korelatif/
Komparatif
TINGKAT Asosiatif
EKSPLANASI

INFERENSI/ PENGUJIAN
DESKRIPTIF GENERALISASI HIPOTESIS

STATISTIKA STATISTIKA
DESKRIPTIF INFERENSIAL
 Analisis Data
• Analisis Deskriptif
1. Peringkasan/klasifikasi data
• Ukuran Pemusatan : mean, median, modus
• Ukuran Sebaran : simpangan baku, variansi, koefisien variasi,
• simpangan interkuartil
2. Penyajian Data :
• Narasi
• Tabel/daftar
• Diagram/grafik/gambar

• Analisis Inferensial
1. Estimasi
2. Pengujian Hipotesis : * Komparasi
* Korelasi/Asosiasi
 SUBSTANSI
PENELITI0 KONSEP
AN PENGUKURAN

JENIS ANALISIS
DESKRIPTIF/ KONSEP SAMPLE SIZE
TEKNIK SAMPLING
INFERENSIAL
POPULASI
DAN SAMPEL
METODO
0 LOGI
STATISTIK
PENELITI0
A
AN
KEMAMPUAN SKALA PENGUKURAN
DISKRIMINASI NOMINAL ORDINAL INTERVAL RASIO

SEKEDAR
MEMBEDAKA + + + +
N
MENENTUKA
N URUTAN " + + +
MENGUKUR
BESAR BEDA " " + +
MENGUKUR
 PEMILIHAN UKURAN PEMUSATAN (TENDENSI
SENTRAL) MENURUT SKALA PENGUKURAN DATA

UKURAN TENDENSI SENTRAL

SKALA DATA
MODUS MEDIAN MEAN

NOMINAL + 5 5

ORDINAL + + 5

INTERVAL + + +

RASIO + + +
 SUBSTANSI
JENIS/SKALA PENELITI0 KONSEP
DATA
AN PENGUKURAN

JENIS ANALISIS
DESKRIPTIF/ KONSEP SAMPLE SIZE
TEKNIK SAMPLING
INFERENSIAL
POPULASI
METODE DAN SAMPEL
METODO
ANALISIS
0 LOGI
STATISTIK
PENELITI0
A
AN
PENGUJIAN HIPOTESIS
1. Penetapan Hipotesis Statistik
2. Penetapan tingkat signifikansi (𝛼)
3. Pemilihan Uji Statistik
a. Jenis/Skala Pengukuran Data
b. Distribusi Data (Normal)
c. Tujuan Analisis (Komparasi – Korelasi/Asosiasi)
d. Jumlah/banyak sampel (Bebas/Berhubungan)
e. Jumlah/banyak variabel
4. Penghitungan  Statistik Uji
5. Pengujian Statistik  Keputusan
6. Kesimpulan Analisis
 SKALA
PENGUKURAN JENIS DATA
DATA

NOMINAL KUALITATIF
KATEGORI
SEMI
ORDINAL
KUANTITATIF

INTERVAL
KUANTITATIF
RASIO
 The Normal Distribution

• ‘Bell Shaped’
• Symmetrical f(X)

• Mean, Median and

Mode are Equal X

• ‘Middle Spread’
Mean
Equals 1.33  Median
• Random Variable Mode
has Infinite
Range Chap. 6 , 4
 PENGUJIAN
HIPOTESIS
Menguji
keterkaitan/hubungan antar
variabel di populasi

KOMPARASI KORELASI/
ASOSIASI
1 SAMPEL 2 SAMPEL >2 SAMPEL

SIMETRIS ASIMETRIS
1 EKOR/SISI 1 EKOR/SISI
(SEBAB8AKIBAT)
2 EKOR/SISI 2 EKOR/SISI
 DATA

Skala Pengukuran/
Jenis data

Interval/Rasio
(Kuantitatif) Ordinal Nominal
(Semikuantitatif) (Kualitatif)

Dist. Normal Dist. tdk Normal

TUJUAN STATISTIKA STATISTIKA NON PARAMETRIK

ANALISIS PARAMETRI An. Data Semikuantitatif An. Data Kategori
K

KOMPARASI

KORELASI/
ASOSIASI
Pemilihan Uji Statistik untuk tujuan komparasi

SKALA
BEBAS
PENGUKUR
AN DAN
2
JUMLAH DISTRIBUSI
SAMPEL/ DATA
BERPASANGAN
KELOMPOK (VARIABEL
YANG
BEBAS DIBANDING
KAN  1)
>2

BERHUBUNGAN
Pemilihan Uji Statistik untuk tujuan korelasi/
asosiasi

SIMETRIS KORELASI
/ASOSIASI

SKALA
SIFAT PENGUKURAN
HUBUNGAN VARIABEL2 YANG
DIHUBUNGKAN

ASIMETRIS
(SEBAB+ REGRESI
AKIBAT)
 PEMILIHAN TEKNIK ANALISIS/UJI STATISTIK
BEBAS/ STATISTIKA NON PARAMETRIK
TUJUAN JUMLAH BERHUBU STATISTIKA
ANALISIS SAMPEL/KLP PARAMETRI Analisis Data Analisis Data
2 NGAN Semikuantitatif Kualitatif/Kategori
K

Uji t satu sampel

Kolmogorov;Smirnov
1 (Goodness of Fit t
satu sampel
Chi Square satu sampel
test)

Wilcoxon;Mann Chi Square

Bebas Uji t 2 sampel bebas
Whitney test Fisher’s exact test
2 Uji t data berpasangan
Wilcoxon Signed Rank
KOMPARASI Berpasangan (Paired t test)
test
Mc Nemar test

Anova satu/multiarah
Bebas (Oneway/Multiway Kruskal;Wallis test Chi Square
>2 Anova)

Berhubungan Anova sama subyek Anova Friedman Cochran’s Q

Uji Asosiasi :
Product Moment • Koefisien Kontingensi
SIMETRIS dari Pearson Korelasi Spearman • Koefisien Phi
KORELASI/ • Koefisien Kappa
(Korelasi Pearson)
ASOSIASI • Koefisien Lambda, dll
 Analisis Multivariat
Metode statistik yang menganalisis
secara simultan pengukuran multipel
(terhadap satu konsep/konstrak) pada
tiap individu atau objek yang diamati
 Pengembangan dari analisis univariat
 Data UNIVARIAT vs Data MULTIVARIAT
Karakteristik Univariat Multivariat
Jumlah variabel 1 >1 (membentuk faktor
atau konstrak)
Bentuk data Mean =X Vektor Mean X1
Variansi = S2 X2
.
Xk

Matriks Kovarians
SS1 SP12 … SP1k
SP21 SS2 … SP2k
. . … .
SPk1 SPk2 … SSk

Distribusi data (Normal)

Interpretasi hasil analisis Sederhana, per variabel Komprehensif, dalam bentuk

faktor/konstrak
 METODE MULTIVARIAT

INFERENSI MEAN ANALISIS TEKNIK

MULTIVARIAT STRUKTUR VARIAN KLASIFIKASI DAN
DAN MODEL PENGELOMPOKAN
LINIER

PENGELOMPOKAN
INFERENSI MODEL

KLASIFIKASI
DISKRIMINASI
MEAN

Canonical Correlation
Principle Component
MULTIVARIA LINIER

Factor Analysis

DAN
T

Analysis
Hotelling’s Oneway Multivariate
T2 Manova Multiple
(Wilks’ Regression
Lambda)

Discriminant Analysis

Multidimensional
Cluster Analysis

Scaling
Johnson and Wichern
 METODE MULTIVARIAT

MODEL DEPENDEN MODEL INTERDEPENDEN

1 ≥ 2 VARIABEL SKALA SKALA

VARIABEL DEPENDEN INTERVAL NOMINAL
DEPENDEN / RASIO

SKALA SKALA SKALA SKALA

ANALISIS KOMPONEN UTAMA

INTERVAL NOMINAL INTERVAL NOMINAL

PENSKALAAN DIMENSI

PENSKALAAN DIMENSI
GANDA NONMETRIK
/ RASIO / RASIO

ANALISIS RUMPUN

MODEL LOGLINIER
ANALISIS FAKTOR

GANDA METRIK
ANALISIS
DISKRIMINAN

ANALISIS VARIAN ANALISIS

LOGISTIK
ANALISIS
ANALISIS

REGRESI GANDA MULTIVARIA KANONIKAL

T
Analisis Univariat  Multivariat
UNIVARIAT MULTIVARIAT
T"test Hotelling’s Trace
Anova Manova
Ancova (Anacova) Mancova (Manacova)
Korelasi Pearson Korelasi Kanonik
Linear Regression Multivariate Linear Regression
Path Analysis
Structural Equation Modeling (SEM)
 Hubungan Kausal
(Analisis Jalur)
1
Y1
11
X1 31

21 31

21 Y3
12 32

X2 3
32

22 Y2
2
ANALISIS MULTIVARIAT GENERASI KEDUA
⚫MODEL STRUKTURAL