**

**kbbi:statistik adalah data yang dikumpulkan, ditabulasi, digolong-golongkan sehingga dapat memberi informasi yang berarti mengenai sesuatu masalah atau gejala.

sujana:statistik adalah kumpulan fakta, umumnya berbentuk angka yang disusun dalam tabel atau diagram yang menggambarkan suatu persoalan

*

**Kata statistik juga diartikan sebagai suatu ukuran yang dihitung dari sekumpulan angka.rata-rata proporsi simpangan bakulainnya.

*

**

Rata-rataSimpangan bakuProporsi

Rata-rataSimpangan bakuProporsi

*

**statistika adalah ilmu pengetahuan tentang cara mengumpulkan, menabulasi, menggolong-golongkan, menganalisis, dan mencari keterangan yang berarti dari data (KBBI)

biostatistika adalah cabang ilmu statistika yang berkaitan dengan apliksai metode statistik pada persoalan di bidang biologi dan kedokteran

*

**Metode Statistik merupakan ilmu pengetahuan yang meliputi segala metode guna mengumpulkan, mengolah, menyederhanakan, menyajikan dan menganalisis data kuantitatif secara deskriptif.Croxton dan Cowden menyebutnya sebagai metode statistik deskriptif

*

**Memberikan informasi tentang:Memahami karakteristik populasiBerapa persen dari populasi yang menderita TB paru? Berapa rata-rata tekanan darah sistolik populasi obes? Memahami hubungan/pengaruh variabel Apakah merokok berhubungan dengan peningkatan risiko penyakit jantung koroner? Apakah pemberian metilprednisolon dapat mengurangi mortalitas pasien dengan tetanus? Membuat putusan yang lebih baikMembuat perkiraan (ramalan)

*

**Mengolah data dalam jumlah yang cukup besar.Mengolah data dengan kecepatan dan ketepatan yang tinggi.Menganalisis data dengan jumlah variabel yang cukup banyak dan kompleks (multivariate analisys)

*

**Statistika Deskriptif mempelajari deskripsi data dan sama sekali tidak menyangkut penarikan kesimpulan yang dapat dianggap berlaku secara umum (genaralisasi). Simpulan yang dibuat hanya untuk data sampel, bukan untuk tujuan generalisasi populasi.

Statistika Induktif mempelajari aturan penarikan kesimpulan yang berlaku umum atau aturan untuk pembuatan peramalan (prediction) dan penaksiran (estimation).Statistika ParametrikStatistika Non Parametrik

.

*

**

*

populasi dan sampel**Populasi (population atau univers) adalah keseluruhan obyek yang karakteristiknya hendak diteliti atau keseluruhan obyek yang dibatasi dengan kriteria tertentu. Sampel merupakan bagian dari populasi yang dianggap bisa mewakili keseluruhan populasi

*

**

keseluruhan obyek yang karakteristiknya hendak ditelitibagian dari populasi yang dianggap bisa mewakili

*

**

Rata-rataSimpangan bakuProporsi

Rata-rataSimpangan bakuProporsi

*

**Banyaknya obyek yang ada dalam populasi disebut Ukuran Populasi (population size) yang umumnya dilambangkan dengan huruf N. N = ukuran populasi menyatakan banyaknya unit populasi (anggota populasi)N bukan banyaknya populasi

*

**Banyaknya obyek yang ada dalam sampel disebut Ukuran Sampel (sample size) yang umumnya dilambangkan dengan huruf n. n = ukuran sampel menyatakan banyaknya unit sampel (anggota sampel)n bukan banyaknya sampel

*

**Pada tingkat awal, seorang peneliti akan selalu dihadapka pada dua pertanyaan yang mendasar, yaitu:Apa atau siapa yang akan diteliti, diamati, atau diukur (disebut unit populasi)Apanya yang akan diteliti, diamati, atau diukur (disebut variabel penelitian)

*

**Dalam penelitian sosial, pada umumnya yang menjadi obyek penelitian adalah orang-perseorangan. Orang yang menjadi obyek penelitian disebut unit populasi (unit penelitian, satuan pengamatan)Karakteristik dari orang yang akan diteliti, disebut Variabel Penelitian.

*

**Unit sampel bisa sama dengan unit analisis, tetapi terkadang tidak sama

Misalkan untuk mengumpulkan informasi tentang orang, dapat memlih rumah tangga sebagai unit sampel sedangkan orang-orang yang berada di dalam rumah tangga tersebut sebagai unit analisis. Hal ini bergantung pada tujuan peneliti yang hendak dilakukannya

*

**

**Hatch dan Farhady: secara teoritis variabel dapat didefinisikan sebagai atribut seseorang atau objek yang mempunyai variasi antara satu orang dengan yang lain atau satu objek dengan yang lain Sugiono: Variabel adalah suatu atribut atau sifat atau nilai dari orang, objek, atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya.

Kelinger: variabel adalah konstruk (constucts) atau sifat yang akan dipelajari. variabel adalah suatu sifat yang diambil dari suatu nilai yang berbeda

*

**Hagul: Variabel adalah konsep yang diberi lebih dari satu nilai. Variabel adalah pengelompokkan yang logis dari dua atau lebih atributAtribut dalam suatu variabel harus mencakup semua kemungkinan yang ada dalam suatu variabel (exhaustive). Sebagai contoh variabel status perkawinan di jawa tidak hanya meliputi atribut belum kawin, kawin, dan janda/duda tetapi juga beberapa kemungkinan lain seperti pisah kebo, kumpul kebo, kawin gantung, kawin sirih.

ROFLIN : Variabel adalah setiap karakteristik unit penelitian yang akan diteliti yang bisa diklasifikasikan ke dalam sekurang-kurangnya dua klasifikasi yang berbeda, atau bisa memberikan sekurang-kurang dua hasil pengukuran yang berbeda.

*

**

**Variabel kualitatif/katagorik: variabel yang mempunyai dua kategori (dikotomi) atau banyak kategori (politomi).

Variabel Kuantitatif (Diskret dan Kontinu)Diskret: merupakan hasil perhitungan sehingga bilangannya selalu bulat dan tidak mungkin pecahan. Kontinu: merupakan hasil pengukuran sehingga bilangannya bisa bulat atau pecahan

*

**Variabel independen (bebas, stimulus, prediktor, antecedent, eksogen): Variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel dependen (terikat). Variabel yang fungsinya menerangkan variabel lainnya

Variabel dependen (terikat, output, kriteria, konsekuen, indogen): Variabel yang dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas. Variabel yang keadaannya ditentukan atau dijelaskan oleh variabel lain.

Y = 2x + 1X = Variabel DependenY = Variabel Independen

*

**Variabel Kontrol adalah variabel yang dikendalikan atau dibuat konstan sehingga hubungan variabel independen terhadap dependen tidak dipengaruhi oleh faktor luar yang tidak diteliti. Variabel ini sering digunakan oleh peneliti bila akan melakukan penelitian yang bersifat membandingkan, melalui penelitian eksperimenContoh: Pengaruh motivasi belajar terhadap prestasi belajar perlu dikontrol oleh variabel IQ. Dengan mengontrol pengaruh IQ terhadap prestasi belajar, maka akan diperoleh pengaruh motivasi belajar yang sesungguhnya terhadap prestasi belajar. Jadi, Untuk memperoleh pengaruh motivasi terhadap prestasi belajar yang sebenarnya, maka harus dilakukan pada siswa yang memiliki IQ yang sama.

X = Motivari BelajarY = Prestasi Belajar

IQ

Harus sama

**Variabel Moderator adalah variabel yang mempengaruhi (memperkuat dan memperlemah) hubungan antara variabel independen dengan dependen. Variabel ini disebut juga variabel independen kedua.

Hubungan perilaku suami dan istri akan semakin baik (kuat) kalau mempunyai anak, dan akan semakin renggang kalau ada pihak ke tiga ikut mencampuri. Di sini, anak berlaku sebagai variabel moderator, yang memperkuat hubungan, dan pihak ketiga adalah variabel moderator yang memperlemah hubungan .variabel lain yang dianggap berpengaruh terhadap variabel takbebas, tetapi tidak mempunyai pengaruh utama, maka variabel ini disebut variabel moderator

**Pengetahuan Gizi

Pemilihan Makanan

Status EkonomiPengetahuan gizi ternyata tidak berpengaruh pada kualitas bahan makanan bergizi yang dipilih, setelah dikaji ulang, status ekonomi mempunyai pengaruh yang lebih kuat Jumlah Latihan MemasakKinerja MemasakJenis Kelamin

Makin banyak latihan memasak pada siswa SMK, ternyata tidak berpengaruh pada kinerja memasak , tetapi setelah data jenis kelamin dipisah, jumlah latihan memasak ternyata berpengaruh positif terhadap kinerja memasak hanya pada pria

**Variabel Antara (intervening variable) adalah variabel yang secara teoritis mempengaruhi hubungan antara variabel independen dengan dependen, tetapi tidak dapat diamati dan diukur. Variabel ini merupakan variabel penyela/antara yang terletak di antara variabel independen dan dependen, sehingga variabel independen tidak langsung mempengaruhi berubahnya atau timbulnya variabel dependen.Tinggi rendahnya penghasilan akan mempengaruhi secara tidak langsung terhadap harapan hidup. Dalam hal ini ada variabel antaranya, yaitu gaya hidup seseorang. Antara variabel pengjasilan dengan gaya hidup terdapat variabel moderator, yaitu budaya lingkungan tempat tinggal

**X= Tipe Sekolah

Mutu PembelajaranY= Hasil Belajar

X= Tingkat PendidikanModalKeuletan

Y= Penghasilan

**Variabel Anteseden adalah variabel yang apabila dalam struktur hubungan dengan variabel lainnya, dia mendahului variabel lainnya Variabel anteseden secara kronologis terjadi sebelum variabel independen dan dependen ditelitiVariabel anteseden dapat berperan menjadi variabel independen

Status Ekonomi Orang TuaY = Penghasilan Per BulanX = Tingkat Pendidikan

X = Tipe SekolahY = Hasil Ujian Nasional

Status Ekonomi Orang Tua

**Variabel Penekan (supppressor variable) adalah variabel yang bisa mengubah pola hubungan antar variabel, yakni apabila pada awalnya hubungan antar dua variabel tidak signifikan, setelah dimasukkan variabel ketiga sebagai kontrol kemudian mengakibatkan hubungan kedua variabel tersebut menjadi signifikan, maka variabel ketiga tersebut disebut variabel penekan

**Variabel Pengganggu adalah variabel yang bisa mengubah pola hubungan antar variabel, yakni apabila pada awalnya hubungan antar dua variabel tersebut negatif, setelah dimasukkan variabel ketiga sebagai kontrol kemudian mengakibatkan hubungan kedua variabel tersebut menjadi positip, atau sebaliknya

**Nominal (tdk menunjukkan peringkat)Ordinal (menunjukkan peringkat)Interval (titik awal tidak selalu nol)Rasio (titik nol sbg titik awal, titik nol adalah mutlak)

Pengukuran adalah sebuah proses kuantifikasi yang merupakan usaha manusia untuk mencantumkan bilangan kepada unit observasi yang bukan bilangan untuk menggambarkan sifat-sifat unit observasi tersebut.

**Variabel Nominal adalah variabel yang nilainya didasarkan atas pengelompokkan yang dinyatakan dalam bilangan. Dalam hal ini bilangan semata-mata hanya berfungsi sebagai lambang untuk membedakan.

Terhadap bilangan ini tidak berlaku hukum aritmatika secara penuh.Dalam variabel nominal tidak ada asumsi tentang jarak maupun urutan antara katagori-katagori dalam ukuran itu.

Dasar penggolongan hanyalah katagori yang tidak tumpang tindih.Contoh: 1. Pria 2. Wanita1. Kota 2. Desa 1. Belum Kawin2. Kawin 3. Cerai

**Variabel Ordinal adalah variabel yang nilainya dinyatakan dalam bilangan yang dikatagorikan menurut tingkat urutan tertentu. Dalam hal ini bilangan yang diberikan pada setiap katagori memiliki dua fungsi, yaitu sebagai lambang untuk membedakan dan sekaligus mengurutkan peringkat berdasarkan kualitas yang ditentukan. Ukuran ordinal mengurutkan (ranking) responden dari peringkat paling rendah ke peringkat paling tinggi menurut suatu atribut tertentu Pendidikan : 1. SD 2. SLTP 3. SLTA 4. S1 5. S2 3. S3 Pada variabel berskala ordinal, bisa digunakan katagori lebih baik atau lebih buruk; lebih tinggi atau lebih rendah; tetapi tidak bisa menentukan berapa kali lebih tinggi atau lebih rendah. Orang yang berpendidikan tamat universitas pengetahuannya lebih tinggi daripada orang yang berpendidikan tamat SLTA, tetapi tidak berarti bahwa orang yang berpendidikan tamat universitas pengetahuannya dua kali atau tiga kali lebih tinggi daripada orang yang berpendidikan tamat SLTA

**Variabel Interval adalah variabel yang nilainya tidak semata-mata mengurutkan (meranking) obyek berdasarkan suatu atribut, tetapi juga memberikan informasi tentang interval antara satu objek dengan objek lainnya.Fungsi bilangan adalah sebagai lambang untuk membedakan; mengurutkan peringkat; dan memperlihatkan jarak atau interval. Berlaku hukum aritmatika secara penuh Ciri utama tingkat pengukuran interval adalah titik nol bukan merupakan titik mutlak, tetapi titik yang ditentukan berdasarkan perjanjian Berat Balita biasanya dihitung dari berat balita terendah atau berat rata-rata balita, bukan dihitung dari titik nol sesungguhnya karena tidak mungkin ada balita yang beratnya nol kilogram. Temperatur Ruangan bisa dinyatakan dalam derajat Celcius atau Fahrenhait. Skala temperatur celcius dan fahrenhait memiliki angka awal yang berbeda. Angka 100o F 100o C karena titik awal pada skala temperatur celcius dan fahrenhait tidak sama. Angka 0o C = 32o F.

**Variabel Rasio adalah variabel yang mempunyai sifat-sifat interval dan mempunyai titik nol sebagai titik awal. Ciri utama variabel berskala rasio adalah bahwa titik nol adalah mutlak. Nilai nol artinya kosong.

**

**Hasil mengukur suatu variabelData adalah sesuatu yang diketahui. Data adalah sesuatu yang dianggap (hipotesis).Data adalah sesuatu yang dapat dianalisis.Data memberikan gambaran tentang suatu keadaan, pada umumnya dikaitkan dgn keterangan tempat dan waktu

*

**Data Kuantitatif (berbentuk bilangan)Diskret (hasil menghitung)Kontinu (hasil mengukur)

Data Kualitatif (sering disebut Data Katagorik)Obyek dikatarikan menurut atribut tertentu

*

**Data Primer adalah data yang dikumpulkan, diterbitkan, dan diumumkan sendiri oleh pengumpulnyaData Sekunder adalah data yang dikumpulkan dan diumumkan oleh suatu badan/instansi tertentu, tidak diterbitkan atau diumumkan sendiri oleh pengumpulnya.

*

**Data harus objectif, sesuai dengan keadaan yang sebenarnya Data harus bisa mewakili (Representaitive).Simpangan baku (standard deviation) harus kecil. Harus tepat waktu (up to date), khususnya jika data akan dipergunakan untuk pengendalian atau evaluasi.Harus relevan terhadap permasalahan yang sedang ditelaah.

*

**Dasar suatu perencanaan. Perencanaan harus sesuai dengan kemampuan yang ada (misalnya kemampuan personil dan dana) sehingga tidak terjadi perencanaan yang ambisius sehingga susah dilaksanakan.

Alat pengontrol atau pengendali pelaksanaan. Pelaksanaan atau implementasi suatu perencanaan harus dapat dikontrol atau dikendalikan sehingga kesalahan atau penyimpangan yang terjadi dapat segera diketahui dan dilakukan perbaikan.

Dasar evaluasi hasil kerja akhir. Untuk mengetahui faktor-faktor yang menyebabkan hasil kerja akhir yang ditargetkan tidak dapat dicapai 100%, diperlukan data.

**

**1.80 2.35 2.60 2.80 2.90 3.00 3.17 1.95 2.35 2.60 2.80 2.90 3.00 3.20 2.00 2.35 2.65 2.80 2.90 3.00 3.20 2.05 2.40 2.67 2.80 2.90 3.01 3.20 2.11 2.40 2.70 2.80 2.90 3.01 3.20 2.15 2.40 2.70 2.80 2.92 3.01 3.25 2.19 2.40 2.70 2.81 2.95 3.01 3.26 2.20 2.40 2.70 2.83 2.95 3.03 3.27 2.25 2.42 2.70 2.84 2.95 3.04 3.30 2.30 2.45 2.70 2.84 2.95 3.05 3.30 2.30 2.50 2.75 2.85 2.96 3.09 3.30 2.30 2.50 2.75 2.85 2.98 3.09 3.34 2.30 2.50 2.75 2.85 2.98 3.10 3.35 2.30 2.50 2.75 2.85 3.00 3.10 3.39 2.30 2.50 2.75 2.87 3.00 3.10 3.40 2.30 2.50 2.76 2.87 3.00 3.10 3.47 2.30 2.50 2.76 2.87 3.00 3.10 3.48 2.30 2.55 2.80 2.88 3.00 3.10 3.55 2.30 2.57 2.80 2.89 3.00 3.13 3.70 2.35 2.60 2.80 2.90 3.00 3.15

*

**1.80 2.35 2.60 2.80 2.90 3.00 3.17 1.95 2.35 2.60 2.80 2.90 3.00 3.20 2.00 2.35 2.65 2.80 2.90 3.00 3.20 2.05 2.40 2.67 2.80 2.90 3.01 3.20 2.11 2.40 2.70 2.80 2.90 3.01 3.20 2.15 2.40 2.70 2.80 2.92 3.01 3.25 2.19 2.40 2.70 2.81 2.95 3.01 3.26 2.20 2.40 2.70 2.83 2.95 3.03 3.27 2.25 2.42 2.70 2.84 2.95 3.04 3.30 2.30 2.45 2.70 2.84 2.95 3.05 3.30 2.30 2.50 2.75 2.85 2.96 3.09 3.30 2.30 2.50 2.75 2.85 2.98 3.09 3.34 2.30 2.50 2.75 2.85 2.98 3.10 3.35 2.30 2.50 2.75 2.85 3.00 3.10 3.39 2.30 2.50 2.75 2.87 3.00 3.10 3.40 2.30 2.50 2.76 2.87 3.00 3.10 3.47 2.30 2.50 2.76 2.87 3.00 3.10 3.48 2.30 2.55 2.80 2.88 3.00 3.10 3.55 2.30 2.57 2.80 2.89 3.00 3.13 3.70 2.35 2.60 2.80 2.90 3.00 3.15

*

**1.80 2.35 2.60 2.80 2.90 3.00 3.17 1.95 2.35 2.60 2.80 2.90 3.00 3.20 2.00 2.35 2.65 2.80 2.90 3.00 3.20 2.05 2.40 2.67 2.80 2.90 3.01 3.20 2.11 2.40 2.70 2.80 2.90 3.01 3.20 2.15 2.40 2.70 2.80 2.92 3.01 3.25 2.19 2.40 2.70 2.81 2.95 3.01 3.26 2.20 2.40 2.70 2.83 2.95 3.03 3.27 2.25 2.42 2.70 2.84 2.95 3.04 3.30 2.30 2.45 2.70 2.84 2.95 3.05 3.30 2.30 2.50 2.75 2.85 2.96 3.09 3.30 2.30 2.50 2.75 2.85 2.98 3.09 3.34 2.30 2.50 2.75 2.85 2.98 3.10 3.35 2.30 2.50 2.75 2.85 3.00 3.10 3.39 2.30 2.50 2.75 2.87 3.00 3.10 3.40 2.30 2.50 2.76 2.87 3.00 3.10 3.47 2.30 2.50 2.76 2.87 3.00 3.10 3.48 2.30 2.55 2.80 2.88 3.00 3.10 3.55 2.30 2.57 2.80 2.89 3.00 3.13 3.70 2.35 2.60 2.80 2.90 3.00 3.15

*

**1.80 2.35 2.60 2.80 2.90 3.00 3.17 1.95 2.35 2.60 2.80 2.90 3.00 3.20 2.00 2.35 2.65 2.80 2.90 3.00 3.20 2.05 2.40 2.67 2.80 2.90 3.01 3.20 2.11 2.40 2.70 2.80 2.90 3.01 3.20 2.15 2.40 2.70 2.80 2.92 3.01 3.25 2.19 2.40 2.70 2.81 2.95 3.01 3.26 2.20 2.40 2.70 2.83 2.95 3.03 3.27 2.25 2.42 2.70 2.84 2.95 3.04 3.30 2.30 2.45 2.70 2.84 2.95 3.05 3.30 2.30 2.50 2.75 2.85 2.96 3.09 3.30 2.30 2.50 2.75 2.85 2.98 3.09 3.34 2.30 2.50 2.75 2.85 2.98 3.10 3.35 2.30 2.50 2.75 2.85 3.00 3.10 3.39 2.30 2.50 2.75 2.87 3.00 3.10 3.40 2.30 2.50 2.76 2.87 3.00 3.10 3.47 2.30 2.50 2.76 2.87 3.00 3.10 3.48 2.30 2.55 2.80 2.88 3.00 3.10 3.55 2.30 2.57 2.80 2.89 3.00 3.13 3.70 2.35 2.60 2.80 2.90 3.00 3.15

*

**

Skor Frekuensi%Sangat Rendah32,2Rendah3424,5Cukup Tinggi6647,5Tinggi3424,5Sangat Tinggi21,4Jumlah139100

Chart2

3

34

66

34

2

Sheet1

Sangat Rendah3

Rendah34

Cukup Tinggi66

Tinggi34

Sangat Tinggi2

100

139

Jumlah

1,4

2

Sangat Tinggi

24,5

34

Tinggi

47,5

66

Cukup Tinggi

24,5

34

Rendah

2,2

3

Sangat Rendah

Persentase

Frekuensi

Skor

Sheet1

Sheet2

Sheet3

Chart3

Sangat Rendah2.1582733813

Rendah24.4604316547

Cukup Tinggi47.4820143885

Tinggi24.4604316547

Sangat Tinggi1.4388489209

Sheet1

Sangat Rendah32.16

Rendah3424.46

Cukup Tinggi6647.48

Tinggi3424.46

Sangat Tinggi21.44

139100

100

139

Jumlah

1,4

2

Sangat Tinggi

24,5

34

Tinggi

47,5

66

Cukup Tinggi

24,5

34

Rendah

2,2

3

Sangat Rendah

Persentase

Frekuensi

Skor

Sheet1

Sheet2

Sheet3

*

**

**

Usia (Th)Frekuensi%15 1932,220 243424,525 296647,530 343424,535 3921,4Jumlah139100

**Kelas intervalBanyak kelas intervalPanjang kelas intervalBatas bawah kelas intervalBatas atas kelas intervalUjung bawah kelas intervalUjung atas kelas interval

Usia (Th)Frekuensi%15 1932,220 243424,525 296647,530 343424,535 3921,4Jumlah139100

**Kelas intervalBanyak kelas interval k = 5Panjang kelas interval p = 5 thBatas bawah kelas interval ke 2 = 19,5 th Batas atas kelas interval ke 2 = 24,5 thUjung bawah kelas interval ke 2 = 20 thUjung atas kelas interval ke 2 = 24 th

Usia (Th)Frekuensi%15 1932,220 243424,525 296647,530 343424,535 3921,4Jumlah139100

**Banyak kelas interval = k = 5Panjang kelas interval = p = 0,50Ujung bawah kelas interval ke-2 = 2,01Ujung atas kelas interval ke-2 = 2,50Batas bawah kelas interval = 2,005Batas atas kelas interval = 2,505

IPKFrekuensi%1,51 2,0032,22,01 2,503424,52,51 3,006647,53,01 3,503424,53,51 4,0021,4Jumlah139100

**Jumlah kelas: k = 1 + 3,33 Log n (n = banyak data)

Panjang kelas: p = range / k

Range = data terbesar data terkecil

**

**Variable labelV1 V1 = ID Responden/V2 V2 = Tanggal Survei/V3 V3 = Nama Responden/V4 V4 = Jenis Kelamin/V5 V5 = Umur/V6 V6 = Berat Badan/V7 V7 = Tinggi Badan/V8 V8 = Sistolik/V9 V9 = Diastolik/V10 V10 = Total Colesterol/V11 V11 = Triglecerid/V12 V12 = HDL/V13 V13 = LDL/V14 V14 = Gola Darah Sewaktu/V15 V15 = Genetik PJK/V16 V16 = Hemotokrit/V17 V17 = PJK.Value Label V4 1Pria 2Wanita/V15 0Tidak 1Ya/V17 0Tidak1Ya;.

FRQ VAR V4 TO V17.Buka file exel : data praktikum biostat 27 januari 2015. Pelajari isinya !Kopi data di exel ke SPSS :

**Compute V5a = V5.Variable label V5a Kelompok Umur.Recode V5a (21 thru 30 = 1) (31 thru 40 = 2) (41 thru 50 = 3) (51 thru 60 = 4) (61 thru 70 = 5) (71 thru 80 = 6).Value label V5a 121-30 th 231-40 th 341-50 th 451-60 th 561-70 th 671-80 th.Freq var V5 V5a.

**Aturan sturges

Jumlah Kelas k = 1 + 3,33 Log n = 1 + 3,33 log 250 = 1 + 3,33 (2,398) = 10,9Panjang Kelas = rentang/10,9 = (80-22)/10,9 = 5,3

**

**Rata-rata:rata-rata hitung (mean)rata-rata ukurrata-rata harminismodusrata-rata posisiMedianKuartilDesil Persentil

*

**

*

**

*

**

*

**

*

**

*

**

*

**

*

**

*

**

*

**

*

**

*

**

SAMPEL-1

SAMPEL-2SAMPEL-3SAMPEL-k

**Di dalam menghitung harga rata-rata, kita mengasumsikan bahwa setiap nilai data mempunyai derajat kepentingan atau bobot yang sama. Tetapi di dalam beberapa hal dapat terjadi bahwa setiap nilai data mempunyai derajat kepentingan atau bobot yang berbeda

RumusRata-rata berbobot

**contohtugas 80 (bobot 1)ujian mid-semester 90 (bobot 3)ujian semester 60 (bobot 5)Nilai akhir (tanpa bobot atau bobot sama)

NA = (80 + 90 + 60)/3 = 76,67Nilai Akhir dengan bobot

**

**.1998 = 501999 = 50 x 1,1179 = 55,8952000 = 55,895 x 1,1179 = 62,4852001 = 62,485 x 1,1179 = 69,8522002 = 69,852 x 1,1179 = 78,008

**1998 = 501999 = 50 x 1,1275 = 56,3752000 = 56,375 x 1,1275 = 63,5632001 = 63,563 x 1,1275 = 71,6672002 = 71,667 x 1,1275 = 80,805

**

**

**

Jarak Palembang -- Jakarta = 1.000 Km. Kecepatan rata-rata P J = 100 Km/Jam. Kecepatan rata-rata J P = 125 Km/Jam.

Berapa kecepatan rata-rata P J P?benarsalah

**MedianKuartilDesilPersentil

*

**

Data terendahData tertinggi

Me50%50%

**

22, 24, 24, 25, 26, 28, 30, 32, 35. Data terendahData tertijnggiMe

**

Data terendahData tertijnggiMe20, 20, 24, 25, 27, 31, 33, 34, 34, 35.

**b = batas bawah kelas median; p = panjang kelas median; F = jumlah frekuensi sebelum kelas median; f = frekuensi kelas median;n = banyaknya data.

**Kelas median terletak pada kelas ke-4

**

Data terendahData tertinggi

Me50%50%19 tahunArtinya:50% responden menikah pada usia kurang dari 19 th50% responden menikah pada usia lebih dari 19 th

*

**

Data terendahData tertinggiK1K2K3

*IK3 = 0,75(9+1) = 7,5

**10, 16, 24, 25, 26, 28, 30, 32, 55 K1K2K3K1 = 16 + 0,5(24-16) = 20 K2 = 26 K3 = 30 + 0,5(32-30) = 31

*IK3 = 0,75(9+1) = 7,5

**20, 20, 24, 25, 27, 31, 33, 34, 34, 35K1 = 20 + 0,75(24-20) = 23 K2 = 27 + 0,5(31-27) = 29 K3 = 34 + 0,25(34-34) = 34 K1K2K3

**

b = batas bawah kelas Ki p = panjang kelas Ki ; F = jumlah frekuensi sebelum kelas Ki ; f = frekuensi kelas Ki ;n = banyaknya data.

**

**

Data terendahData tertinggi

K1K2K317 th19 th23 th25% Responden menikah pada usia kurang dari 17 th50% responden menikah pada usia kurang dari atau lebih dari 19 th75% responden menikah pada usia kurang dari 23 th

artinya

*IK3 = 0,75(9+1) = 7,5

**

Desil ke-i terletak pada data ke ID

Data dikelompokkanData tidak dikelompokkanb = batas bawah kelas Di p = panjang kelas Di ; F = jumlah frekuensi sebelum kelas Di ; f = frekuensi kelas Di ;n = banyaknya data.

**Tabel: Distribusi Tekanan Darah 40 Dosen UnsriID3 = 0,3(40+1) = 12,3 ID5 = 0,5(40+1) = 20,5 ID7 = 0,7(40+1) = 28,7

KelasTekanan DdarahFrekuensiFrek Komulatif1234567118 126127 135136 144145 153154 162163 171172 - 18035912542381729343840Jumlah40

**Persentil

Data dibagi menjadi 100 bagianDesil ke-i terletak pada data ke IP

Data dikelompokkanData tidak dikelompokkan

b = batas bawah kelas Pi p = panjang kelas Pi ; F = jumlah frekuensi sebelum kelas Pi ; f = frekuensi kelas Pi ;n = banyaknya data

**Tabel: Distribusi Tekanan Darah 40 Dosen UnsriIP10 = 0,10(40+1) = 4,1 IP50 = 0,5(40+1) = 20,5 IP90 = 0,9(40+1) = 36,9

KelasTekanan DdarahFrekuensiFrek Komulatif1234567118 126127 135136 144145 153154 162163 171172 - 18035912542381729343840Jumlah40

**Modus adalah nilai yang paling banyak munculHati-hati!!!Apakah betul?Modus 20 tahun berarti sebagian besar responden menikah pada usia 20 tahun.Nilai Modus tidak tunggal

*

**

*

**Modusb = batas bawah kelas modusp = panjang kelas modusb1 = frek. kls modus frek. kls terdekat sebelumnyab2 = frek. kls modus frek. kls terdekat sesudahnya

**Tabel: Distribusi Tekanan Darah 40 Dosen Unsri

KelasTekanan DdarahFrekuensi1234567118 126127 135136 144145 153154 162163 171172 18035912542Jumlah40

**Skewness dan Curtosis (ukuran kemiringan dan keruncingan kurva normal

**Hasil pengolahan data menggunakan SPSS

*

**Responden = Wanita pada tahun 2008 berdomisili di Kota Palembang yang berstatus MenikahN = 4.677 orang, menyatakan Jumlah respondenMean = 19,24 tahun, menyatakan rata-rata usia Wanita menikah yang pertama kali. Median = 19 tahun, berarti bahwa 50% Wanita menikah yang pertama kali pada usia kurang dari 19 tahun.Modus = 20 tahun yang berarti bahwa pada umumnya Wanita menikah pertama kali pada usia 20 tahun.Minimum = 10 tahun menunjukkan usia terendah (termuda) wanita menikah pertama kali

*

**Maksimum = 42 tahun menunjukkan usia tertinggi (tertua) wanita menikah pertama kaliPersentil 10 = 16 tahun berarti 10% responden menikah pertama kali pada usia kurang dari 16 tahun.Persentil 25 = 17 tahun, berarti 25% responden menikah pertama kali pada usia kurang dari 17 tahunPersentil 50 = 19 tahunPersentil 75 = 21 tahunPersentil 90 = 24 tahun berarti 90% responden menikah pertama kali pada usia kurang dari 24 th atau 10% menikah pada usia lebih dari 24 th

*

**

**

Rentang R = 32 tahun adalah usia maksimum usia minimum = 42 10 = 32 tahunRentang termasuk ukuran penyebaran yang lemah karena tidak melibatkan seluruh data. R = 42-10 = 32 tahun menunjukkan bahwa responden menikah pada usia antara 10 42 tahun.Rentang (10-90) nilainya hanya ditentukan oleh dua data, yaitu data persentil ke-10 dan persentil ke-90. Karena itu ukuran ini termasuk ukuran penyebaran yang lemah.R(10-90)= 24-16 = 8 tahun. Nilai rentang (10-90) hanya melibatkan 80% dari data yang ada yang ternyata nilainya jauh lebih kecil daripada nilai rentang yang melibatkan seluruh data, Rentang R = 32 tahun.

*

**

Hal ini menunjukkan adanya kemungkinan bahwa usia menikah 10 atau 42 tahun termasuk ekstrim (tidak umum).Jadi, seandainya dari sekumpulan data tersebut, setelah nilainya diurutkan dari yang terkecil sampai yang terbesar, kita buang 10% dari bawah dan 10% dari atas maka penyebaran datanya akan makin sempit atau data makin homogin. R(10-90) = 24-16 = 8 tahun meunjukkan bahwa 80% dari responden menikah pada usia antara 16 24 tahun.

*

**

Rentang antar kuartil nilainya hanya ditentukan oleh dua bilangan, yaitu kuartil pertama dan kuartil ketiga. Karena itu ukuran ini termasuk ukuran penyebaran yang lemah.Berdasarkan data di atas nilai K1 = P25 = 17 tahun, K3 = P75 = 21 tahun. Jadi rentang antar kuartil RAK = 2117 = 4 tahun.

Nilai rentang antar kuartil hanya melibatkan 50% dari sekumpulan data yang ada. Jadi, seandainya dari sekumpulan data tersebut, setelah nilainya diurutkan dari yang terkecil sampai yang terbesar, kita buang 25% dari bawah dan 25% dari atas, maka sebaran datanya makin sempit atau data makin homogen.

Nilai RAK = 21-17 = 4 tahun menunjukkan bahwa 50% dari responden menikah pada usia antara 17 21 tahun.bandingkan nilai R(10-90)=8 tahun dengan RAK=4 tahun tidak berbeda jauh. Hal ini menunjukkan bahwa sebaran dari 80% data sudah cukup baik, tidak ada data yang tergolong ekstrim.

**

atauatau

*

**

**

**Apabila data hasil observasi mengikuti distribusi normal, maka simpangan baku bisa dipakai untuk memperkirakan sebaran data, yakni bahwa:68,27% data 95,45% data99,73% data

*

**Misalkan hasil penelitian melaporkan bahwa dari 4.677 wanita, rata-rata mereka menikah pertama kali pada usia 19,24 tahun dengan simpangan baku 3,2818 tahun. Apabila data tersebut berdistribusi normal, maka dapat diperkirakan bahwa: 68.27 % (3193 orang) menikah pada usia antara 15 23 tahun.95.45% (4464 orang) menikah pada usia antara 12 26 tahun.99.73% (4664 orang) menikah pada usia antara 10 30 tahun.

*

**

**

Simpangan kuartil nilainya hanya ditentukan oleh dua bilangan, yaitu kuartil pertama dan kuartil ketiga. Karena itu ukuran ini termasuk ukuran penyebaran yang lemah.

Berdasarkan data di atas nilai simpangan kuartil SK = (2117) = 19 tahun. Hal ini menunjukkan bahwa 50% dari responden menikah pertama kali pada usia kurang dari atau lebih dari 19 tahun.

**

Simpangan kuartil (quartile deviation) disebut juga semi antar kuartil (semi interquartile range). Lebih sering dipakai simpangan kuartil daripada semi antar kuiartilSimpangan kuartil merupakan nilai tengah di antara kuartil pertama dan kuartil ketiga. Dengan kata lain, simpangan kuatil diharapkan dapat merupakan nilai median dari seluruh data

**Smpangan rata-rata bilangan berikut: 7, 8, 10, 11. Rata-rata = 9

KlsTekanan DarahTitik Tengan (xi)Frekuensi (fi)1118 126122326.9880.942127 135131517.9889.93136 14414098.9880.824145 153149120.020.245154 16215859.0245.16163 171167418.0272.087172 - 180176227.0254.04Jumlah40423.12

**

**

Rumus Koefisien kemiringan Pearson (pearsonian coefficient of skewness) yang pertama.Rumus Koefisien kemiringan kuartil

*

**Ukuran kemiringan yang juga kerap digunakan adalah momen ketiga di sekitar rata-rata atau disebut koefisien kemiringan momen yang dinyatakan dengan rumus dengan ifmaka kurva simetri sempurna. Dengan kata lain data mengikuti distribusi normal momen keempat di sekitar rata-rata yang disebut koefisien momen dari kurtosis atau disebut juga KOEFISIEN KURTOSIS, dinyatakan dengan rumus:

ifkurva berdistribusi normal (mesokurtik)

kurva berdistribusi leptokurtik

kurva berdistribusi platikurtik

*

**koefisien persentil dari kurtosis yang dinyatakan dengan rumus:

Kurva dikatakan berdistribusi normal jika harga = 0,263 Ukuran kenormalan data dapat diukur dengan menggunakan ratio skewness dan ratio kurtosis yang dinyatakan dengan rumus berikut. jika Ratio Skewness [-2 , 2] maka kurva simetris,jika ratio kurtosis [-2 , 2], maka kurva mesokurtik. Dengan kata lain jika nilai ratio skewness dan ratio kurtosis berkisar [-2 , 2] maka data mendekati distribusi normal.

*koefisien persentil dari kurtosis yang dinyatakan dengan rumus:

**Koefisien variansi digunakan untuk membandingkan keragaman dua kelompok data. Rata-rata berat badan kelompok pria = 80 kg, dengan simpangan baku s = 5 kg,Rata-rata berat badan kelompok wanita = 30 kg, dengan simpangan baku s = 5 kg. Ukuran penyebaran (simpangan baku) 5 kg untuk berat badan 80 kg dan 30 kg mempunyai arti yang berbeda. Untuk melihat perbedaan arti tersebut dapat digunakan ukuran koefisian variansi yang rumusnya dinyatakan sebagai berikut.

**

data kelompok pria lebih seragam (homogen) daripada wanita.Koefisien variasi tidak mempunyai satuan, dengan perkataan lain tidak bergantung dengan satuan yang digunakan. Oleh karena itu koefisien variansi dapat dipakai untuk membandingkan penyebaran relatif beberapa kumpulan data yang memiliki satuan ukuran yang berbeda

**kita akan membandingkan keragaman data tinggi badan dan berat badan dari enam orang. Rata-rata tinggi badan adalah 166 cm dengan simpangan baku s = 5,23 cm.Rata-rata berat badan adalah 61,5 Kg dengan simpangan baku s = 6,40 Kg.Koefisien variansi tinggi badan Koefisien variansi berat badan

postur tubuh keenam orang tersebut, tinggi badan lebih seragam daripada berat badan.lebih kecil

**Lampu merek A dapat dipakai selama 3.500 jam dengan simpangan baku 1.050 jam. Lampu merek B dapat dipakai selama 10.000 jam dengan simpangan baku 2.000 jam.

Lampu mana yang mempunyai masa pakai lebih seragam?

Koefisien variansi lampu merek A = 1050/3500x100% = 30% Koefisien variansi lampu merek B = 2000/10000x100% = 20%.

Lampu merek B secara relatif mempunyai masa pakai yang lebih seragam (uniform) karena koefisien variansinya lebih kecil daripada lampu merek A

**

fi adalah besarnya frekuensi untuk klasifikasi yang ke-ik adalah banyaknya klasifikasi.

**Banyaknya kelas k = 5

Indeks dispersi (ID) merupakan sebuah norm yang batas harganya antara 0 dan 1. Makin dekat ke angka 1 berarti data makin seragam, dan makin dekat ke 0 berarti data makin tidak seragam. ID = 0 berarti data betul-betul tidak seragam.

Status kawinBanyaknya (fi )f12Tidak kawinKawinJanda/dudaCeraiHidup Bersama25143198162520449361641Jumlah19621.500

**Indeks dispersi (index of dispersion) atau indeks variansi kualitatif (index of qualitative variation) merupakan ukuran keseragaman untuk data yang berskala nominal.

f adalah frekuensi k adalah banyaknya klasifikasi Indeks dispersi (ID) merupakan sebuah norm yang batas harganya antara 0 dan 1 ID -> 1 frekuensi makin seragamID -> 0 frekuensi makin tidak seragamID = 0 hanya satu katagori terisi lainnya no;ID = 1 semua frekuensi sama

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*IK3 = 0,75(9+1) = 7,5 *IK3 = 0,75(9+1) = 7,5 *IK3 = 0,75(9+1) = 7,5 *

*

*

*

*

*

*

*

*

*

*

*

*koefisien persentil dari kurtosis yang dinyatakan dengan rumus: