2. probabilitas.ppt
TRANSCRIPT
PROBABILITAS(KEMUNGKINAN/PELUANG
Mahdalena
KONSEP PROBABILITAS
A. Pandangan klasik/ intutif
Probabilitas adalah harga angka yang menunjukan seberapa besar kemungkinan bahwa suatu peristiwa terjadi, diantara seluruh peristiwa yg mungkin terjadi.
Contoh :
- Pelemparan sebuah mata uang logam probabilitas keluar gambar ½
- Sebuah dadu dilempar 1 X probabilitas keluar mata 5 = 1/6
B. Pandangan empiris/Probabilitas relatif
Menurut pandangan ini probabilitas berdasarkan observasi, pengalaman atau kejadian yang telah terjadi.
Contoh :
a. Pelemparan 100 X coin 59 X keluar sisi gambar,
maka dikatakan P(gambar) = 59 %
b. Dari 10.000 hasil suatu produksi, 100 diantaranya rusak maka P(rusak) = 1 % = 0,01
c. Distribusi relatif
upah (ribuan Rp) Jumlah %
200 – 499 90 30
500 – 749 165 55
750 – 999 45 15
Kalau diambil secara acak satu orang probabilitas untuk terambil seorang yang mempunyai upah antara 200 – 499 ribu rupiah adalah p (0,3)
C. Pandangan Subyektif
Probabilitas ditentukan oleh yang membuat pernyataan
2. AZAS PERHITUNGAN PROBABILITAS - Nilainya 0 < P > 1- Merupakan bilangan positif- Kejadian Mutually Exclusif bila suatu peristiwa tjd akan
meniadakan peristiwa yg lain utk terjadi Contoh :* Permukaan sebuah coin* Permukaan dadu* Kelahiran anak laki-laki atau perempuan pada seorang ibu
dengan kehamilan tunggal
- Peristiwa non mutually exclusif bila dua/lebih peristiwa dpt terjadi bersama-sama (tetapi tidak selalu bersama)
Contoh :
* Penarikan kartu As dan Berlian pada kartu Bridge
* Seorang laki-laki dan dokter
a. Hukum Pertambahan
- untuk kejadian yang bersifat Mutually Exclusif
P ( A B ) = P (A) + P (B)
- untuk kejadian yang bersifat non Mutually Exclusif
P ( A B ) = P (A) + P (B) - P ( A B )
b. Hukum perkalian
- Peristiwa bebas (independen) : Dua peristiwa dikatakan bebas apabila kejadian atau ketidak jadian suatu peristiwa tidak mempengaruhi peristiwa yg lain
Contoh : Pelemparan mata uang logam dilambung 2 X , maka peluang keluar gambar pd lemparan pertama dan kedua saling bebas.
P ( A B ) = P (A) X P (B)- Peristiwa tidak bebas (Conditional probability) = peristiwa
bersyarat Dua peristiwa dikatakan bersyarat bila kejadian atau ketidak jadian suatu peristiwa akan berpengaruh
terhadap peristiwa lainnya
Contoh : Dua buah kartu ditarik dari Satu set kartu bridge, tarikan kedua tanpa mengembalikan kartu pertama.
P ( A B ) = P (A) X P (B|A)
Contoh probabilitas bersyarat
Kasus Infeksi nasokomial jumlahYa tidak
BedahPeny. dalam
2010
8090
100100
Jumlah 30 170 200
P ( inf. + | bedah ) = 20 / 100
P ( inf. + | P.Dalam ) = 10 / 100
P ( inf. + ) = 30 / 200
P ( inf. + dan bedah ) = 20 / 200
3. Permutasi dan Kombinasi
a. Permutasi
Urutan dipentingkan
n !n P r = ------------
( n – r ) !
P = Jumlah permutasi (urutannya dipentingkan)n = Banyaknya obyekr = Jumlah anggota pasangan! = Faktorial (Msl : 3 ! = 3x2x1 ; 1! = 1)
Contoh Kasus:
Ada tiga cara yang efektif untuk pengobatan pasien Ca yakni Bedah (B), Penyinaran (P), dan Obat (O). Ada berapa carakah seseorang (pasien Ca) dapat diobati kalau kepada masing-masing pasien hanya dua macam terapi yg bisa diberikan.
Penyelesaian :
Untuk pengobatan ini urutan diperlukan karena seseorang yang mendapat terapi bedah dan penyinaran (B,P), akan berbeda dengan yang mendapat penyinaran lebih dulu baru dibedah (P,B).
3 ! 3x2x13 P 2 = ------------- = ---------- = 6
( 3 – 2 ) ! 1Jadi jumlah cara yg dapat dilaksanakan adalah : (BP,BO,PB,PO,OB,OP)
b. Kombinasi
Urutan tidak dipentingkan n !
n C r = ---------------- r ! (n – r ) !
C = Jumlah kombinasi (yang urutan tidak penting)
n = Banyaknya objek
r = Jumlah anggota pasangan
! = faktorial
Contoh kasus :
Tiga orang pasien (pasien A,B,C) digigit ular dan dibawa ke puskesmas. Dipuskesmas harus diberikan 2 dosis anti racun ular. Berapa kemungkinan pasangan yang akan diberikan 2 dosis tersebut.
Penyelesaian :
2 orang yg berpasangan disini misalnya A dan B sama saja dengan B dan A jadi disini urutan tidak ada artinya. Maka dalam hal ini pasangan yang terjadi adalah :
3 ! 3x2x13 C 2 = -------------- = ------------ = 3
2 !( 3 – 2 ) ! 2 x 1 (1)
Jadi jumlah pasangan pasien yang ada adalah :( AB,AC, BC)
Latihan :
1. Dari 10 perawat yang akan dikirim ke daerah kejadian banjir di Martapura, akan dipilih 4 orang masing-masing sebagai ketua, wakil, sekretaris dan bendahara. Berapa cara organisasi tersebut dapat terjadi ?
2. Hitunglah :
a. C ( 7, 4 )
b. C ( 6, 4 )
3. Ada 6 kandidat calon presiden dari 6 partai peserta pemilu, dari 6 calon tsb masing-masing ingin jadi RI-1 atau paling tidak jadi RI-2 Berapa cara kemungkinan pasangan akan terjadi.
4. Hitung juga :
a. P (8, 3 )
b. P (6, 3 )
DISTRIBUSI PROBABILITAS
(Distribusi teoritis)
Ada Beberapa macam distribusi teoritis :
1. Distribusi binomial (Bernaulli)
2. Distribusi Poisson
3. Distribusi Normal (Gauss)
4. Distribusi Student ( “t” W Gosset)
5. Distribusi Chi Square (X²)
6. Distribusi Fisher (F)
UJI HIPOTESIS• Prinsip uji hipotesis adalah melaksanakan perbandingan antara nilai sampel (data hasil penelitian) dengan nilai hipotesis (nilai populasi) yang diajukan.
• Kesimpulan dari hasil uji hipotesis ada 2 :1. Menolak hipotesis2. Menerima hipotesis
• Pengertian Hupo : sementara / lemah kebenarannya
Thesis : Pernyataan/teori
• Hipotesis : Pernyataan sementara yang perlu diuji kebenarannya
• Ada 2 jenis hipotesis : 1. Hipotesis Nol (Ho) 2. Hipoitesis Alternatif ( Ha)
Contoh :Ho (Hipotesis Nol)• Tdk ada perbedaan BB bayi antara mereka yang dilahirkan dari ibu yang merokok dengan ibu yang tidak merokok
• Tidak ada hubungan ibu yang merokok dengan BB bayi yang dilahirkan
Ha (Hipotesis Alternatif)• Ada perbedaan BB bayi antara mereka yang dilahirkan
dari ibu yg merokok dg ibu yang tidak merokok
• Ada hubungan ibu yang merokok dengan BB bayi yang dilahirkan
ARAH/BENTUK UJI HIPOTESISBentuk Hipotesis alternatif akan menentukan arah uji statistik
1. One tail (satu sisi)Pernyataan yang menyatakaan hal yg satu lebih tinggi/rendah dari hal lain
Contoh : BB Bayi dari ibu yang merokok lebih kecil dibandingkan BB bayi dari ibu hamil
yang tdk merokok
2. Two tail (dua sisi)Merupakan Ha yang hanya menyatakan perbedaan tanpa melihat apakah hal yang satu lebih tinggi/rendah dari hal yang lain
Contoh : BB Bayi dari ibu yang merokok berbeda dengan BB bayi dari ibu hamil yang tdk
merokok
KESALAHAN PENGAMBILAN KEPUTUSAN DLM UJI HIPOTESIS
Power of test ( 1 - )Merupakan peluang utk menolak Ho ketika memang Ho salah
Atau dengan kata lain kemampuan utk mendeteksi adanya perbedaan bermakna ant. Klpk yg diteliti ketika perbedaan itu memang ada
KEPUTUSANPOPULASI
Ho Benar Ho Salah
Tdk menolak HoBenar
( 1 - )Kesalahan Type II ()
Menolak HoKesalahan Type I ( )
Benar ( 1 - )
MENENTUKAN TINGKAT KEMAKNAAN (Level of significance)
• Nilai merupakan nilai batas maximal kesalahan menolak Ho• Nilai yang sering digunakan u/ adalah : 10 %, 5 %, 1 %• Bidang kesehatan biasa menggunakan : 5 %
• Pengujian obat-obatan : 1 %
PEMILIHAN JENIS UJI
• Uji Parametrik
- Syarat distribusi normal
- Variabel berjenis numerik/kwantitatif
- Jumlah data yang dianalisis besar ( > 30 )
• Uji Non Parametrik
PROSEDUR UJI HIPOTESIS
A. Menetapkan hipotesis
B. Penentuan uji statistik yang sesuai, setiap uji statistik memp. Persyaratan ttt yang harus dipenuhi.
Jenis uji statistik sangat tergantung :
- Jenis variabel yang akan dianalisis
- Data dependen / independen
- Distribusi data normal / tidak
C. Menentukan batas / tk. Kemaknaan
D. Perhitungan uji statistik
E. Keputusan uji statistik
Keputusan uji statistik :a. Pendekatan Klasik
Untuk menentukan apakah Ho ditolak maupun gagal ditolak, dapat digunakan dengan cara membandingkan nilai perhitungan statistik dengan nilai pada tabel (Nilai tabel yang dilihat sesuai dengan jenis distribusi uji yang kita lakukan)
Dengan ketentuan sbb:
1. Bila nilai perhitungan setatistik lebih besar / sama dibandingkan dengan nilai pada tabel (nilai perhitungan > nilai tabel) maka keputusannya Ho ditolak.
Ho ditolak artinya : Ada perbedaan kejadian (mean/proporsi) yg signifikan antara kelompok data satu dg kelompok data yg lain.
2. Bila nilai perhitungan setatistik lebih kecil dibandingkan dengan nilai pada tabel (nilai perhitungan < nilai tabel) maka
keputusannya Ho diterima.
Ho gagal ditolak/diterima : Tidak ada perbedaan kejadian(mean/proporsi) yg signifikan antara kelompok
data satu dg kelompok data yg lain.
b. Pendekatan Probabilistik
Ketentuan yang berlaku adalah sebagai berikut :
1. Bila nilai P < nilai (alpha), maka keputusannya Ho ditolak
2. Bila nilai P > nilai (alpha), maka keputusannya Ho gagal ditolak
Catatan : Nilai P two tail adalah 2 X nilai P one tail, berarti kalau tabel yang digunakan adalah tabel one tail sedangkan uji statistik yang dilakukan two tail maka nilai P dari tabel harus dikalikan 2.
Nilai P two tail = 2 X nilai one tail.
ANALISIS DATA KATEGORIK
I. UJI KAI KUADRAT = CHI SQUAREDasar dari uji kai kuadrat adalah membandingkan frekuensi yang diamati
dengan frekuensi yang diharapkan.Ketentuan :1. Tidak boleh ada sel yang mempunyai nilai harapan kecil dati 1 (satu)2. Tidak lebih dari 20 % sel mempunyai nilai harapan kecil dari 5 (lima)Menghitung nilai EXPECTED :
Status perokok
Tidak peminum
Peminum sedang
Peminum berat
total
Perokok a b c K
Tdk Perokok d e f L
TOTAL M N O T
C inclus c inclus
Nilai expected untuk sel a = (K x M) / TNilai Expected untuk sel b = (K x N) / TNilai Expected untuk sel c = (K x O) / TNilai Expected untuk sel d = (L x M) / T dst.
Nilai Expected setiap sel adalah sub total baris dikali subtotal kolom dibagi total general
Contoh :
Misalnya ada dua sampel random yang terdiri dari 100 orang laki-laki dan sampel kedua 100 orang wanita, kepada mereka ditanyakan apakah setuju atau tidak setuju atas pernyataan kesetaraan antara pria dan wanita. Hasil telah disusun dalam tabel silang sbb :
SIKAP TERHADAP “KESETARAAN” PRIA - WANITA
SIKAP JENIS
SETUJU TIDAK SETUJU
UK SAMPEL
PRIA 30 70 100
WANITA 45 55 100
JUMLAH 75 125 200
(O – E)² X² = -------------------- E Rumus Kai Kuadrat
N (ad - bc)² X² = ----------------------------- (a+c) (b+d) (a+b) (c+d) Khusus tabel 2 X 2
Langkah-langkah uji :
1. Tentukan Hypotesis
Ho = Tidak ada perbedaan sikap setuju/tidak thdp kesetaraan antara pria dan wanita
Hi = Ada perbedaan sikap setuju/tidak terhadap kesetaraan antara pria dan wanita
2. Tentukan batas kritis alpha (misal : 5 % )
3. Df = (bari-1) x (kolom-1)
4. Perhitungan nilai kai kuadrat . . . .
5. Tentukan nilai P dengan melihat tabel kai kuadrat
6. Kesimpulan : Bila nilai p < dari alpha maka Ho ditolak, berarti ada perbedaan sikap antara pria dan wanita
Contoh :
Misalkan seorang dokter rumah sakit menyatakan bahwa frekuensi anemia pada ibu hamil di rumah sakit A sama dengan rumah sakit B dan sama dengan rumah sakit C. Peranyataan tersebut akan diuji pada derajat kemaknaan 5 % yaitu dengan mengambil sampel secara independen pada tiga rumah sakit tersebut, sampel yang diambil adalah ibu hamil yang datang memeriksakan diri ke tiga rumah sakit tsb, masing-masing RS - A = 50, RS – B = 40, RS - C = 60 dengan frekuensi sbb :
Rumah sakit Anemia Tdk AnemiaRumah sakit A 20 30Rumah sakit B 25 15
Rumah sakit C 35 25
Untuk memudahkan menghitung nilai ekspektasi maka dibuat tabel kontigensi 3 X 2 sbb :
Anemia Tdk anemia jumlah
Rumah sakit A 20 / E1 30 / E2 50
Rumah sakit B 25 / E3 15 / E4 40
Rumah sakit C 35 / E5 25 / E6 60
Jumlah 80 70 150
E1 = (50 x 80) / 150 = 26,6 E4 = (40 x 70) / 150 = 19,3
E2 = (50 x 70) / 150 = 23,3 E5 = (60 x 80) / 150 = 32,0
E3 = (40 x 80) / 150 = 21,3 E6 = (60 x 70) / 150 = 28,0
Perhitungan Statistik
(O – E)²
X² = --------------------
E Rumus Kai KuadratX ² = (20 – 26,6) ² / 26,6 + (30 – 23,3) ² / 23,3 + (25 – 21,3) ² / 21,3
+ (15 – 19,3) ² / 19,3 + (35 – 32) ² / 32 + ( 25 – 28) ² / 28 = 5,77
Lihat tabel X ² / kai kuadrat :
dg df = 2 , kai kuadrat hitung = 5,77 sedangkan kai kuadrat tabel = 5,99
1. Cara klasik Kai kuadrat hitung < kai kuadrat tabel ( 5,77 > 5,99)
Kesimpulan Ho diterima , berarti tidak ada beda kejadian anemi antara rumah sakit A, B dan C (dengan CI : 95 %,
: 5 % ).∝2. Pendekatan Probabilistik hitung > penelitian (0,05) ∝ ∝
Kesimpulan Ho diterima.
Menguji Hipotesis dengan Kai square
Ho = f1 = f2 = f3
Ha = f1 # f2 # f3O E O - E (O – E)² (O – E)² / E
20 26,6 3,4 11,56 0,43
30 23,3 6,7 44,89 1,9325 21,3 3,7 13,69 0,6415 19,3 - 4,3 18,49 0,9635 32,0 3,0 9,00 0,2825 28,0 - 3,0 9,00 0,32
4,56
Df = (3 – 2) (2 – 1) = 2 pada tabel didapat nilai 5,991
II. Mc Nemar Test
- Rancangan penelitian berbentuk “before after”
- Hipotesis penelitian merupakan perbandingan antara nilai sebelum dan sesudah ada perlakuan / treatment- Sebagai panduan maka perlu disusun tabel segi 4 ABCD sbb
sebelum sesudah
- ++ A B- C D
- Kasus yang berubah sbl & sesudah berada pd sel A dan D- Sel A Jika berubah dari positif ke negatif- Sel D jika berubah dari negatif ke positif
-
Uji Mc. Nemar
Tujuan : Untuk menguji perubahan sebelum dan sesudah adanya intervensi untuk variabel kategori
Asumsi : 1. Data dependen2. Variabel yg diuji berjenis kategori
Pengujian : sesudah - +
Sebelum + A B- C D
(A – D) X² = --------------- (A + D) Rumus Mc.Nemar Df = 1
M a c ro tis la g o tis
KASUS :
Di RS X telah dilakukan “Training Manajemen” untuk meningkatkan kinerja petugas. Untuk mengetahui hasilnya diambil sampel sebanyak 25 orang petugas dan diukur kinerjanya Sebelum dan sesudah ada training. Sebelum diadakan training 18 petugas kinerjanya buruk, setelah mengikuti training dari 18 petugas tersebut 16 petugas berubah menjadi baik. Sedangkan dari 7 petugas yang sebelumnya kinerjanya baik, 4 petugas tetap baik dan sisanya menjadi buruk.
Ujilah apakah ada pengaruh training dengan kinerja ?
Tric ho surus c a ninus
Langkah-langkah uji :1. Tentukan Hypotesis
Ho = Tidak ada pengaruh training manajemen thdp kinerja petugas
Hi = Ada pengaruh training manajemen thdp kinerja petugas
2. Tentukan batas kritis alpha (misal : 5 % )3. Df = (baris-1) x (kolom-1)4. Perhitungan nilai kai kuadrat (Mc. Nemar)
5. Tentukan nilai P dengan melihat tabel kai kuadrat6. Kesimpulan : Bila nilai p < dari alpha maka Ho ditolak,
berarti ada perbedaan sikap antara pria dan wanita
ANALISIS REGRESI
Ada dua jenis analisis regresi :
1. Analisis Regresi Linierdimaksudkan sebagai analisis dengan membuat garis rekaan yg linier pada diagram tebarnya. Garis rekaan tersebut seakan merupakan penyusutan (regressed) titik-titik pengamatan yg tertebar.
2. Analisis Regresi Logistik
Adalah salah satu pendekatan model sistematis yang digunakan untuk menganalisis hub satu atau beberapa variabel independen dengan variabel dependen kategori yg bersifat dikotom/biary.
Korelasi dan regresi memp. Hub yg erat.- Setiap regresi pasti ada korelasi - Korelasi belum tentu dilanjutkan dengan regresi
Korelasi yang tdk dilanjutkan dengan regresi adalah korelasi antara dua variabel yg tidak mempunyai hubungan kausal atau hub. Fungsional.
Contoh :
- Hub. Kausal : Panas dengan tingkat muai panjang
- Hub. Fungsional : Kepemimpinan dengan kepuasan kerja
Tujuan :
Analisis regresi digunakan bila kita ingin mengetahui bagaimana variabel dependen/tergantung dapat diprediksikan melalui variabel independen atau prediktor.
Misal :
- Penjualan Barang (variabel Dependen) diprediksikan dengan Kualitas layanan (variabel Independen) Regresi Linier
- Status gizi (Variabel Dependen) diprediksi dengan jumlah intake protein (variabel independen) Regresi logistik
CONTOH Seorang kepala Puskesmas ingin mengetahui jumlah
pasien rawat Inap yg masuk tiap tahun di Kota B, data diambil pada tahun 1997-2004 sbb :NO DATA TAHUN JUMLAH PASIEN
12345678
19971998199920002001200220032004
200225250270300335350375