biostatistik

BIOSTATISTIK (BIOSTATISTIC INTRODUCTION)

Adalah sekumpulan konsep atau metode yg digunakan untuk mengumpulkan, pengolahan, penyajian dan analisis data termasuk cara mengambil kesimpulan dalam situasi dimana ada ketidak pastian dan variasi berdasarkan konsep probabilitas

Pembagian statistik:1. Statistik Deskriptif: • Bagaimana data dikumpulkan dan disajikan. • Mendeskripsikan keadaan yang ditemukan pada obyek yang dihadapi 2. Statistik Inferensi: • Bagaimana menganalisis data dan menginterpretasikan hasil analisis

tersebut • Menginferensi / mengeneralisasi hasil sampel terhadap populasi

Statistik parametrik• dasar inferensinya berasal dari data yang memenuhi kriteria distribusi normal.

Statistik non parametrik :• dasar inferensinya berasal dari data yang tidak memenuhi kriteria distribusi normal atau data

dg skala pengukuran nominal/ordinal.

Sejarah Statistik

Statistik berasal dari bahasa Yunani (states): artinya negara, waktu itu banyak digunakan untuk urusan negara misalnya biaya pajak, jumlah penduduk sehingga muncul istilah statistik penduduk, statistik pendidikan, statistik kelahiran, statistik kematian

Statistika adalah ilmu yang mempelajari hal-hal yang berhubungan dengan data, serta sifat-sifat data

Biostatistik adalah statistik tentang makluk hidup (termasuk kesehatan)

Statistika: metode (prosedur, ilmu) untuk pengumpulan, pengorganisasian, penyajian, dan analisa data

Statistik: ukuran (karakter, besaran) dari sampel, merupakan informasi Contoh: rata-rata hitung (rerata, mean), median, modus, proporsi, jangkauan (range) BB (berat badan) adalah data , bukan statistik Rata-rata BB mahasiswa Stikes Pemda adalah Statistik

Langkah Statistik:

1. Pengumpulan data2. Pengolahan data3. Penyajian data4. Penganalisaan data5. Penarikan kesimpulan

Langkah berurutan, tidak dapat dibolak-balik Statistik merubah data menjadi informasi

Contoh Statistik

Data umur mahasiswa: 18, 19, 18, 20, 21, 20, 19, 23, 19, 20, 19, 20, 21, 22, 20 Informasi apa yang dapat diambil dari data umur mahasiswa diatas?

Syarat Statistik1. Merupakan agregat 2. Diperoleh dengan menghitung atau mengukur 3. Mempunyai variabilitas

Agregat

Agregat adalah kumpulan fakta yang diperoleh dari obyek yang kita amati Cara memperoleh agregat: mengamati satu/sekelompok obyek secara berulang

Misal:

Agregat umur: 12, 13, 12, 15, 16 Agregat agama: Islam, Katolik, Kristen, Budha, Hindu Agregat status nikah: tidak menikah, menikah, duda, janda

Beda Menghitung dan Mengukur

Menghitung: tidak ada alat ukurnya, bentuk angkanya bulat, tidak ada satuanya Misal: jumlah mahasiswa, jumlah buku Mengukur: ada alat ukurnya, bentuk angkanya desimal, ada satuanya Misal: suhu tubuh, tekanan darah, berat badan, tinggi badan

Kegunaan Statistik

Memberikan gambaran tentang suatu objek secara lengkap dan ringkas Membandingkan kejadian satu dengan kejadian lainya dengan memakai acuan waktu

atau tempat Membuat ramalan pada kejadian yang sama dimasa yang akan datang

Ruang Lingkup

Statistik deskriptif/deduktif adalah statistik yang bertujuan menggambarkan ciri suatu obyek berdasarkan data yang diperoleh, tanpa tindak lanjut (mencari penyebab)

Misal: Statistik kunjungan Puskesmas Statistik penderita Ca servix di poli kandungan

Statistik Inferensial/ induktif adalah statistik bertujuan menaksir secara umum suatu populasi dengan menggunakan hasil sampel, termasuk didalamnya teori penaksiran dan pengujian teori

Misal: Uji faktor yang mempengaruhi kunjungan Puskesmas Uji faktor pengaruh antara umur ibu dengan ca servix

Pendekatan Statistik

Pendekatan/ cara berpikir statistik dibagi: Cara berpikir Deduktif adalah mengambil kesimpulan dari data yang bersifat umum

ke kesimpulan yang bersifat spesifik Kesimpulan yang ditarik adalah benar, jika premis (dasar pemikiran) benar dan

prosedur penarikan kesimpulan benar

Contoh:

Premis mayor: semua manusia akan mati Premis minor: Si Fulan adalah manusia Kesimpulan: Si Fulan akan mati

Cara berpikir Induktif adalah mengambil kesimpulan dari data yang bersifat sfesifik ke kesimpulan yang bersifat umum

Walaupun premis benar, prosedur penarikan kesimpulan sah, kesimpulan belum tentu benar, tetapi bisa dikatakan bahwa kesimpulan tsb mempunyai peluang benar

Contoh:

Si Amir berkaki dua Si Santi berkaki dua Si Heru berkaki dua Si Lina berkaki dua Si Hasan berkaki dua Amir, Santi, Heru, Lina, Hasan adalah manusia Kesimpulan: semua manusia (mempunyai peluang besar) berkaki dua

REFERENSI:

1. Budiarto, 2004, Metodologi Penelitian Kedokteran, Sebuah Pengantar, Jakarta, EGC2. Hasan, 2005, Pokok Pokok Materi Statistik 1 (statistik Deskriptif), Jakarta, Bumi

Aksara3. Hasan, 2005, Pokok Pokok Materi Statistik 2 (statistik Infereansif), Jakarta, Bumi

Aksara4. Nasution, 2004, Metode research (penelitian Ilmiah), Jakarta, Bumi Aksara

5. Silalahi, 2003, Metodologi Penelitian dan Studi Kasus, Sidoarjo, Citramedia6. Tjokronegoro, 2004, Metologi Penelitian Bidang kedokteran, Jakarta, Balai Penerbit

Fakultas Kedokteran Universitas Indonesia.

PENGUKURAN NILAI TENGAH

Apa Itu Nilai Tengah

Tendensi sentral atau nilai tengah: ialah angka yang mewujudkan nilai yang terletak ditengah dari hasil observasi pada suatu agregat

Macam tendensi sentral:

1. Mean2. Median 3. Modus

Mean

Mean adalah nilai yang diperoleh dengan cara menjumlahkan semua nilai pengamatan dibagi jumlah semua pengamatan dalam agregat

Sifat mean adalah:

Mempertimbangkan semua nilai pengamatan Dapat dimanipulasi secara matematis, sehingga dapat dipergunakan untuk keperluan

statistik Hanya berlaku untuk data kuantitatif Sangat dipengaruhi oleh nilai ekstrem besar atau kecil

Rumus Mean Data Distribusi Tunggal

X = ∑x / n

X = mean ∑x = hasil penjumlahan nilai observasi n = jumlah observasi

Contoh Soal

Sepuluh pegawai di PT Samudra penghasilan sebulanya dalam satuan ribu rupiah adalah sebagai berikut:

90, 120, 160, 180, 190, 90, 180, 70, 160, 100 Me = (90+120+160+180+190+90+180+70+160+100) : 10 = 150 Jadi penghasilan rata-rata pegawai di PT Samudra = Rp.150.000,-

Median

Median: merupakan nilai observasi yang terletak ditengah setelah data pengamatan diurutkan menurut besar kecilnya (array data)

Sifat nilai median:

Median mudah dihitung dan mudah dimengerti Dipengaruhi jumlah observasi Tidak dipengaruhi oleh nilai observasi Sering dipakai pada distribusi frekuensi yang miring Digunakan pada data yang bersifat kuantitatif maupun kualitatif berskala ratio,

interval maupun ordinal

Untuk menentukan nilai median harus terlebih dahulu diurutkan dan ditentukan posisi dengan cara:

Bila seri pengamatan genap, maka posisi median n/2 Bila seri pengamatan ganjil, maka posisi median n+1 / 2

Contoh Median

Tinggi badan 11 Mhs Stikes Pemda: 180, 171, 170, 167, 166, 165, 164, 160, 147, 145, 144

Berat badan 10 Mhs Stikes Pemda: 39, 45, 52, 43, 37, 51, 65, 56, 71, 44 Pendidikan 5 Dosen Stikes Pemda: D3, S2, S1, S1, D3 50, 60, 70 Median à 60 50, 60, 70, 100.000 Median à (60+70)/2 = 65 SD, SMP, PT Median à SMP SD, SD, SD, PT Median à SD SD, SD, SMP, PT Median à antara SD dan SMP

Modus

Modus adalah nilai yang memiliki frekuensi terbanyak atau sering muncul

Sifat modus adalah:

Tidak dipengaruhi nilai ekstrim Digunakan baik pada data kualitatif (nominal dan ordinal) maupun data kuantitatif

(interval dan rasio)

Contoh Modus

Data kualitatif

Kebanyakan Mahasiswa di Jogja naik sepeda Kebanyakan pemuda Indonesia merokok Pada umumnya Pegawai Negeri Sipil tidak disiplin Pada umumnya warna mobil tahun 70-an adalah cerah, sedangkan tahun 80-an adalah

gelap

Data kuantitatif

Data umur pegawai di Departemen X adalah: 20, 45, 60, 56, 45, 45, 20, 19, 57, 45, 45, 51, 35

Modus Data Kelompok

Modus = b + p (f1 / (f1+f2))

b = batas klas bawah frekuensi terbanyak p = panjang klas f1 = frek klas terbanyak – f sebelumnya f2 = frek klas terbanyak – f sesudahnya

Median Data Kelompok

Median = b + p (1/2n – F / f)

b = batas bawah, dimana median akan terletak p = panjang klas n = banyak data F = cf = jumlah semua frekuensi sebelum klas median f = frekuensi klas median

Mean Data Kelompok

Mean = ∑f x / f

f = jumlah data x = nilai rata-rata batas interval/ midpoint kelas interval Misal interval: 21 – 30 → x = 21 + 30 / 2 = 25,5

Contoh Soal Nilai TengahHitungan Modus

Klas modus = klas ke-4 (f=30) b = 51 – 0,5 = 50,5 f1 = 30 – 18 = 12 f2 = 30 – 20 = 10 Modus = 50,5 + 10 (12 / (12+10)) = 55,95

Hitungan MedianKlas median = klas ke-4 (f=30)

b = 51 – 0,5 = 50,5 p = 10 f = 30 F = cf = 2 + 6 + 18 = 26 Median = 50,5 + 10 ((50-26) / 30)

Hitungan Mean

Mean = 6072/100 = 60,72

Latihan

Hasil pemeriksaan tinggi badan pada 10 Mhs: 171, 168, 158, 172, 165, 158, 169, 164, 178, 163

Berapa tinggi rata-rata atau mean tinggi badan Mhs tersebut? Mean = 166,6 cm

Hasil ujian UTS biostatistik Mahasiswa Stikes dengan nilai rata-rata 65,9. sedangkan hasil ujian UAS rata-rata 71,2. Berapa mean nilai tersebut jika UTS diberi bobot 1 dan UAS diberi bobot 2

(65,9 x 1) + (71,2 x 2) / (1 + 2) = Mean = 69,4

Berat badan 15 Mhs Stikes: 51, 54, 55, 58, 63, 64, 65, 68, 69, 71, 72, 78, 79, 80 Berapa mean, median, modus? Mean = 65,7 Median = 65 Modus = 58

LatihanHasil nilai ujian 40 Mhs Stikes dibagi menjadi 4 group sebagai berikut:

Hitung: Mean, Modus dan Median?

REFERENSI:



Aksara4. Nasution, 2004, Metode research (penelitian Ilmiah), Jakarta, Bumi Aksara5. Silalahi, 2003, Metodologi Penelitian dan Studi Kasus, Sidoarjo, Citramedia6. Tjokronegoro, 2004, Metologi Penelitian Bidang kedokteran, Jakarta, Balai Penerbit


PENGUKURAN DISPERSI

Pengertian Dispersi

Ukuran Dispersi/ Variasi/ Penyimpangan adalah ukuran yang menyatakan seberapa jauh penyimpangan nilai-nilai individu terhadap nilai pusatnya (rata-rata)

Jenis ukuran dispersi ada 4: Jangkauan = Range Deviasi rata-rata = Simpangan rata-rata Varians Simpangan baku = Standar Deviasi

Range

Range atau Jangkauan adalah selisih nilai terbesar dengan nilai terkecil Range data tunggal: Contoh: Tentukan range data berikut: 7,4,11,1,9, 8 Range = 11 – 1 = 10

Contoh Soal

Sepuluh pegawai Stikes Jombang, gaji masing-masing tiap bulanya dalam ribuan rupiah adalah sbb:

50, 75, 150, 170, 175, 190, 200, 400, 600, 700 Berapa range gaji pegawai tsb? Range: 700 – 50 = 650 Makin besar range → makin bervariasi

Range Data KelompokCara menghitung range data kelompok:1. Selisih titik tengah kelas tertinggi dengan titik tengah kelas terendah 2. Selisish tepi atas kelas tertinggi dengan tepi bawah kelas terendah

Contoh Soal Range

Hitung range data kelompok diatas;

Titik tengah kelas terendah = 142 Titik tengah kelas tertinggi = 172 Tepi bawah kelas terendah = 139,5 Tepi bawah kelas tertinggi = 174,5 Range = 172 – 142 = 30 Range = 174,5 – 139,5 = 35

Deviasi Rata-rata

Deviasi rata-rata: adalah nilai rata-rata hitung dari harga mutlak simpangannya

Deviasi rata-rata data tunggal:

DR = ∑ ⅼ X – X1 ⅼ/ n =

X = nilai individuX1 = nilai rata-ratan = jumlah data

Contoh SoalTentukan deviasi rata-rata dari:

2, 3, 6, 8, 11 X1 = (2+3+6+8+11) / 5 = 6 Cara mencari deviasi rata-rata dapat menggunakan tabel bantu sbb: DR = 14 / 5 = 2,8

Tabel Bantu

Deviasi Rata-rata Kelompok

Rumus:

DR = (∑ f ⅼ X – X1 ⅼ) / n

f = frekuensi kelompok X = nilai tengah kelompok X1 = rata-rata nilai tengah kelompok n = jumlah f

Contoh Soal Deviasi Kelompok 1

Contoh Soal Deviasi Kelompok 2

DR = (∑ f ⅼ X – X1 ⅼ) / n

DR = 282 / 50 = 5,64

Varians

Varians merupakan jumlah kuadrat semua deviasi nilai-nilai individu terhadap rata-rata nilai kelompok

Akar varians disebut standart deviasi atau simpangan baku Varians sample = s2 Varians populasi = σ2 (sigma)

Varians Data TunggalUntuk sample besar (>30)

s2 = ∑ (X – X1)2 / n

s2 = Varians X = nilai individu X1 = nilai rata-rata n = jumlah data

Untuk sample kecil (n≤30)

s2 = ∑ (X – X1)2 / n-1

s2 = Varians X = nilai individu X1 = nilai rata-rata n = jumlah data Varians Data Kelompok

Varians Data KelompokUntuk sample besar (>;30)

s2 = ∑ f(X – X1)2 / n

s2 = Varians f = frekuensi kelompok X = nilai tengah kelompok X1 = rata-rata nilai tengah kelompok n = jumlah f


s2 = ∑ f(X – X1)2 / n-1

s2 = Varians f = frekuensi kelompok X = nilai tengah kelompok X1 = rata-rata nilai tengah kelompok n = jumlah f

Contoh SoalTentukan varians dari data:

2, 3, 6, 8, 11 n = 5 X1 = (2+3+6+8+11)/5 = 6

Contoh Soal Varian

s2 = ∑ (X – X1)2 / n-1

(54)/ (5-1) = 13,5

Contoh Soal Varians 2


X1 =(66+69+72+75+78+81) / 6 = 73,425

s2 = ∑ f(X – X1)2 / n

s2 = (467,790) / 40 = 11,694

Standart Deviasi (SD)

Simpangan Baku atau Standart deviasi adalah akar dari varians Standart Deviasi sample = s Standart Deviasi populasi = σ (sigma)

Untuk sample besar (> 30)

s = √ ∑ (X – X1)2 / n

s = Standart Deviasi X = nilai individu X1 = nilai rata-rata n = jumlah data


s = √ ∑ (X – X1)2 / n-1

s = Standart Deviasi X = nilai individu X1 = nilai rata-rata n = jumlah data

Data KelompokUntuk sample besar (>30)

s = √ ∑ f(X – X1)2 / n

s = Standart Deviasi f = frekuensi kelompok X = nilai tengah kelompok X1 = rata-rata nilai tengah kelompok n = jumlah f


s = √ ∑ f(X – X1)2 / n-1

s = SD (standart deviasi) f = frekuensi kelompok X = nilai tengah kelompok X1 = rata-rata nilai tengah kelompok n = jumlah f

Contoh Soal

Berikut adalah sample nilai UTS Biostatistik dari sekelompok Mahasiswa Stikes Pemda Jombang:30, 35, 42, 50, 58, 66, 74, 82, 90, 98Tentukan Simpangan Bakunya!

Contoh soal varians 4

s = √ ∑ (X – X1)2 / n-1

s = √ 4.950,5 / 9

√ 550,056 = 23,45



X1 = ∑fx / ∑f = 5.585 / 100 = 55,85

s = √ ∑ (X – X1)2 / n

S = √ (5.342,75) / 100 =7,31

REFERENSI:





Apa Itu Variabel

Variabel: adalah suatu sifat atau fenomena yang menunjukan sesuatu yang dapat diamati dan nilainya berbeda-beda

Sesuatu dikatakan variabel, jika:

Mempunyai nama Dapat diamati atau diukur Nilainya berbeda-beda Memiliki definisi verbal Ada kelompok penggolongan atau satuan

Contoh variabel tinggi badan:

Nama : tinggi badan Dapat diukur : dapat Nilai pengukuran : berbeda Definisi verbal : jarak antara kepala – kaki Satuan : centimeter

Bagian dari variabel disebut: atribut Variabel: jenis kelamin, tingkat pendidikan Atribut: laki, perempuan →atribut dari variabel jenis kelamin Atribut: SD, SMP, SMA, PT → atribut dari variabel tingkat pendidikan

Subyek dan Obyek Penelitian

Jika kita akan meneliti tingkat pengetahuan ibu hamil → maka ibu hamil disebut subyek penelitian →sedangkan tingkat pengetahuan disebut obyek penelitian

Meneliti jumlah kunjungan Puskesmas → Puskesmas: subyek, kunjungan: obyek Meneliti kemanjuran obat → obat: subyek, kemanjuran: obyek

Macam Variabel

Variabel Tergantung/ Akibat / Terpengaruh/ Dependen → variabel yang dipengaruhi oleh variabel lain

Variabel Bebas/ Sebab/ mempengaruhi/ Independen →variabel yang mempengaruhi variabel lain

Contoh: variabel pendidikan dan pekerjaan →variabel pendidikan (variabel bebas), variabel pekerjaan (tergantung) → sebab pendidikan mempengaruhi pekerjaan

Sebutkan, mana yang termasuk variabel bebas dan variabel tergantung

1. Jenis olah raga dan bakat2. Pekerjaan dan jenis kelamin3. Kepribadian, pendidikan, dan keturunan

Hubungan Antar Variabel

1. Hubungan Asimetris2. Hubungan Simetris3. Hubungan Timbal Balik (Resiprocal)

Hubungan Variabel Asimetris

Hubungan variabel Asimetris adalah hubungan suatu variabel yang mempengaruhi variabel lainya

X → Y X = variabel bebas, independent, pengaruh, prediktor Y = variabel tergantung, dependent, terpengaruh, kriterium

Hubungan Variabel Simetris

Hubungan simetris artinya kedua variabel ada hubungan tetapi tidak saling mempengaruhi

Contoh: variabel Tinggi badan (Y1) dan Berat Badan (Y2) dipengaruhi oleh variabel pertumbuhan (X)

Antara Y1 dan Y2 ada hubungan, tetapi tidak saling mempengaruhi

Hubungan Variabel Timbal Balik

Hubungan antar dua variabel yang saling mempengaruhi Misal: hubungan antara variabel malnutrisi dan variabel malabsorbsi Malabsorbsi akan menyebabkan malnutrisi Malnutrisi akan menyebabkan atropi mukosa usus halus → malabsorbsi

Variabel Perantara

Variabel perantara atau penghubung: variabel yang menjadi penghubung antara variabel bebas dan variabel tergantung

Misal: modernisasi (status wanita) dapat mempengaruhi fertilitas, tetapi tidak secara langsung, namun melalui kontrasepsi atau penundaan usia perkawinan → variabel kontrasepsi dan penundaan usia perkawinan disebut: Variabel Perantara

Variabel Penekan/ Pra Kondisi

Variabel penekan atau prakondisi adalah variabel yang merupakan prasyarat bekerjanya variabel bebas dan variabel tergantung

Contoh: Kuman M. TB (variabel bebas) menyebabkan penyakit TB (varibel tergantung) → proses diatas dapat berlangsung pada saat kondisi tubuh lemah (variabel penekan/ prakondisi)

Variabel Pengganggu/ Distorter

Variabel pengganggu/ distorter adalah variabel yang mengganggu bekerjanya variabel bebas dan variabel tergantung

Contoh: Hipotesis: akseptor KB ekonomi lemah akan lebih banyak daripada ekonomi tinggi →ternyata hipotesis tersebut salah, hal ini disebabkan ada variabel pengganggu yaitu variabel status pekerjaan: PNS dan Non PNS → ternyata hipotesis tsb benar pada pegawai non PNS

Definisi Operasional Variabel

Definisi operasional adalah seperangkat instruksi yang lengkap untuk menetapkan apa yang akan diukur dan bagaimana cara mengukur variable.

Hal-hal yang perlu diperhatikan dalam menyusun definisi operasional sebuah variable adalah:

Nama variable Definisi verbal variable Kelompok penggolongan variable suatu cara untuk menggolongkannya

Agar variabel dapat diamati dan diukur, maka setiap konsep yang ada dalam permasalahan atau yang ada dalam hipotesis harus disusun Definisi Operasional.

Definisi operasional dari variabel sangat diperlukan terutama untuk menentukan alat atau instrumen yang akan digunakan dalam pengumpulan data.

Sebagai contoh konsep orang lapar: Orang lapar dapat didefinisikan sebagai: Orang yang dapat menghabiskan sepiring nasi dalam waktu kurang dari dua menit Orang yang kelihatan mengantuk, tidak suka berbicara dan kelihatan lesu. Untuk menentukan seseorang lapar atau tidak, berdasarkan definisi 1 diperlukan

sepiring nasi dan sebuah pencatat waktu, sedang berdasar definisi 2 tidak diperlukan alat, kecuali indera pengamatan

Tuliskan Definisi Operasional Variabel Berikut:

1. Pengetahuan2. Persepsi3. Sikap4. Perilaku5. Kinerja6. Adat7. Tradisi8. Budaya

REFERENSI:

1. Budiarto, 2004, Metodologi Penelitian Kedokteran, Sebuah Pengantar, Jakarta, EGC

2. Hasan, 2005, Pokok Pokok Materi Statistik 1 (statistik Deskriptif), Jakarta, Bumi Aksara

3. Hasan, 2005, Pokok Pokok Materi Statistik 2 (statistik Infereansif), Jakarta, Bumi Aksara

4. Nasution, 2004, Metode research (penelitian Ilmiah), Jakarta, Bumi Aksara5. Silalahi, 2003, Metodologi Penelitian dan Studi Kasus, Sidoarjo, Citramedia6. Tjokronegoro, 2004, Metologi Penelitian Bidang kedokteran, Jakarta, Balai Penerbit


POPULASI SAMPLE SAMPLING

Apa Itu Populasi

Populasi: kumpulan individu atau obyek yang mempunyai kateristik yang akan dihitung/diukur

Misal: penduduk Jombang, pasien poli kandungan, perawat puskesmas Macam Populasi: Populasi Finit (terhingga): diketahui jumlahnya Populasi Infinit (tak terhingga): tidak diketahui jumlahnya, dapat diubah menjadi

terhingga dengan cara membatasi wilayah atau jumlah

Apa Itu Sampel

Sampel: adalah perwakilan dari populasi, yang dapat menggambarkan keadaan populasi yang sebenarnya

Pengambilan sample dilakukan dengan cara acak/random →agar semua anggota pupolasi mempunyai kesempatan yang sama untuk dipilih

Apa Itu Sampling

Sampling adalah cara memperoleh sample dari populasi Sampling dibedakan menjadi dua; random dan non random

Random Sampling1. Simple Random Sampling2. Systematic Sampling3. Stratified Sampling4. Cluster Sampling5. Multistage Sampling

Non Random Sampling1. Asidentil sampling2. Kuota sampling3. Purpose sampling

Sample Random Sampling

Pengambilan sample dengan menggunakan tabel random atau diundi Tabel Random Sampling: 88, 00, 23, 67, 14, 45, 17, 48, 79, 59, 42, 08, 54, 65, 61, 84,

86, 33, 64, 90, 15, 69, 97, 58, 80, 25, 72, 52, 35, 40, 98, 24, 21, 66, 01, 08, 23, 15, 55, 02, 32, 83, 24, 54, 52, 07, 44, 53, 64, 33, 80, 87, 18, 01, 39, 84, 62, 25, 72, 07, 17, 52, 86, 14, 06, 33, 70, 75, 89, 10, 22, 91 dst

Sistematic Random Sampling

Populasi diurutkan terlebih dahulu Pemilihan random diperoleh dengan cara mencari angka kelipatan Angka kelipatan diperoleh dari: populasi/sample → misal: 100/50=2 Hasil pemilihan sample dengan angka kelipatan 2 adalah: 00, 02, 04, 06, 08, 10, 12,

14, 16, 18, 20, 22 dst

Stratified Random Sampling

Populasi dibagi menjadi beberapa kelompok atau strata → baru dilakukan random sampling

Misal penelitian IQ siswa SD →dikelompokan dulu per kelas → lalu masing2 kelas dilakukan random sampling

Misal jumlah sample 60 siswa → maka masing2 kelas diambil 10 sample dipilih secara random

Cluster Random Sampling

Cluster sampling dipergunakan saat unit samplingnya terdiri lebih dari satu elemen populasi

Misalnya: survey kualitas air minum penduduk didesa Penduduk kita kelompokan dulu → dapat berdasar RT/RW, jalan, sungai

Multistage Random Sampling

Teknik pemilihan sample yang dilakukan secara bertingkat dan biasanya berdasarkan pembagian wilayah kerja suatu pemerintahan

Misal: survey jamban di jawa timur → kita tentukan dulu berapa kabupaten/kota yang disampling →berapa kecamatan →berapa desa → berapa dusun → berapa RW → berapa RT

Asidentil Sampling

Pengambilan saple secara kebetulan

Misalnya, pada hari dan jam kapan peneliti sempat atau pengunjung puskesmas yang saat itu datang

Kuota sampling

Pengambilan sample yang jumlahnya telah ditentukan oleh peneliti

Purpose sampling

Pengambilan sample yang kriterianya sesuai dengan keinginan atau tujuan peneliti

Pengumpulan Data

1. Sensus: mencari data dengan mengamati atau mengukur semua responden2. Survey: mencari data dengan mengamati atau mengukur sebagian responden

Keuntungan survey: Biaya murah, waktu dan tenaga sedikit, data lebih valid Kerugian survey: Data bersifat sesaat, tidak dapat menggambarkan perubahan yang terjadi dengan

berjalannya waktu

Teknik Pengumpulan Data

1. Pengamatan2. Wawancara3. Angket4. Pengukuran

Instrumen Pengumpulan Data

1. Formulir isian2. Check list3. Kuesioner tertutup atau terbuka4. Alat ukur: timbangan, tersimeter

Formulir Isian

Formulir isian → menggunakan beberapa pertanyaan yang berisi apa yang akan diamati dan pengamat hanya menulis hasil dari obyek yang diamati

Tidak ada komunikasi antara responden dan peneliti Misal: Apakah penyakit Flu burung membahayakan?

Check List

Check list terdiri dari beberapa pertanyaan yang jawabanya sudah disediakan oleh peneliti, responden tinggal memberi tanda centang (√)

Misal: Pendidikan saudara: □ SD, □ SMP, □ SMA, □ PT

Kuesioner

Kuesioner: daftar pertanyaan yang sudah tersusun secara tertulis dan responden tinggal menulis jawabanya

Kuesioner tertutup: jika jawaban sudah disediakan peneliti, responden tinggal memilih jawaban yang telah disediakan

Kuesioner terbuka: jika jawaban tidak disediakan peneliti, responden harus menulis jawaban dimana jawabannya tergantung pemikiran responden

REFERENSI:





PENGOLAHAN DATA

Langkah Pengolahan Data

Editing → (melengkapi, memperbaiki, memperjelas, pengecekan logis) jawaban responden

Coding → memberikan jawaban secara angka atau kode sehingga mudah diolah → misal: SD (1), SMP (2), SMA (3), PT (4)

Transfering → memindahkan jawaban/kode jawaban ke dalam media pengolah/kartu kode

Tabulating → menyusun data dalam bentuk tabel/grafik

Editing

Editing satuan: Umur: hari, minggu, bulan, tahun, selapan, jaman jepang Berat: gram, kilogram, ton, ons

Editing pekerjaan: Wiraswasta: pedagang, penjual bakso, makelar, blantik sapi Swasta: pekerja pabrik, pelayan toko, pegawai bank

Coding

Coding jenis kelamin: laki (1), wanita (2) Coding pekerjaan: PNS (1), swasta (2), wiraswasta (3), lain-lain (4) Coding kepuasan: (skala Lickert)

1. Sangat tidak puas : 12. Tidak puas : 23. Cukup : 34. Puas : 45. Sangat puas : 5

Transfering

TabulatingMenyusun data dalam bentuk tabel:

1. Tabel distribusi atau tabel frekuensi2. Tabel silang atau cross tabulating

Distribusi

Distribusi: kumpulan data yang kita amati dalam suatu karakteristik tertentu Data yang tidak dikelompokan disebut: distribusi tunggal Misal umur tenaga kesehatan: 34, 45, 24, 37, 55, 19, 21, 36, 33, 44, 28 Data yang dikelompokan disebut: distribusi kelompok (frekuensi)

Tabel Disribusi/ Tabel Frekuensi

Cara membuat Distribusi Frekuensi

Carilah rentang nilai dengan cara nilai terbesar dikurangi nilai terkecil Hasil rentang nilai dibagi dengan banyaknya kelas interval yang diinginkan. Banyaknya kelas interval mulai 5 s/d 15 Hasil pembagian rentang nilai dengan banyaknya kelas merupakan panjang dari kelas

interval

Penyajian Data

1. Narasi: tulisan, karangan, textular2. Tabel:3. Tabel Distribusi Frekuensi4. Tabel Silang (Cross Tabulation)5. Grafik:

Grafik Batang; Histogram, Single Bar, Sub Divided Bar, Multiple Bar Grafik Garis: Poligon, Ogive, Propotional Line Diagram, Propotional Change Line

Diagram, Grafik Garis Tunggal, Grafik Garis Berganda, Hi-Lo

Grafik

Grafik Gambar (Pictogram) Grafik Lingkaran (Pie Diagram) Grafik Tebar (Scater Diagram) Grafik Batang

Contoh Tabel Distribusi

Contoh Tabel Silang Raw

Contoh Tabel Silang Colum

Contoh Tabel Silang Total

Contoh Grafik Histogram

Latihan SoalBuat Table Disribusi Frekuensi berdasarkan:

1. Umur dengan interval 10 tahun2. Pendidikan3. Status perkawinan4. Kinerja

Buat Tabel Silang antara

1. Umur dengan pendidikan2. Pendidikan dengan status perkawainan3. Pendidikan dengan kinerja

REFERENSI:





DATA STATISTIKApa itu Data?

Data (jamak → datum): himpunan angka yang berasal dari hasil pengukuran peneliti Kumpulan data disebut: agregat

Klasifikasi data Menurut pengolahannya:

Raw data: data mentah dan belum diolah Misal: umur mhs: 20, 31, 45, 23, 19

Array data: data yang belum diolah, tetapi sudah diurutkan Misal: umur mhs: 19, 20, 23, 31, 45

Ungrouped data: raw data yang belum dikelompokan Misal: A(23, Pria, Islam), B (30, Pria, Katolik), C (25, Wanita, Islam), D (19, Pria,

Kristen)

Gruoped data: data yang telah dikelompokan dalam kelas tertentu: Misal: Umur: kelompok (11-20), (21-29), (31-39) Agama: Islam, Katolik

Menurut bentuk angka

Data Diskrit: data yang angkanya bulat Data kontinue: data yang angkanya pecahan (desimal)

Menurut Sifatnya

Data Kuantitatif: data yang berwujud angka Data Kualitatif: data yang tidak berwujud angka

Menurut Sumbernya

Data Primer: data yang diukur atau dihitung sendiri oleh peneliti Data Skunder: data yang didapat dari sumber lain, yang tidak diukur atau dihitung

sendiri oleh peneliti

Menurut Skala Pengukuranya

Skala Nominal: data yang hanya dapat membedakan (mengkatagorikan), tidak diketahui tingkat perbedaanya dan tidak ada urutanya

Misal: jenis kelamin, agama, alamat, status perkawinan

Skala Ordinal: data yang mempunyai kategori, mempunyai tingkat perbedaanya, teapi tidak diketahui berapa nilai tingkat perbedaanya

Misal: golongan, pangkat, tingkat pendidikan

Skala Interval: data yang mempunyai kategori, diketahui tingkat perbedaanya, ada urutan, tidak ada nilai nol mutlak (artinya mempunyai nilai nol →realnya ada nilai nol)

Misal: suhu badan, nilai ujian

Data Skala Ratio: data yang mempunyai kategori, diketahui tingkat perbedaanya, ada urutan, mengakui nilai nol mutlak (artinya realnya tidak ada)tidak ada nilai nol

Misal: berat badan, umur

REFERENSI:


Aksara

3. Hasan, 2005, Pokok Pokok Materi Statistik 2 (statistik Infereansif), Jakarta, Bumi Aksara

4. Nasution, 2004, Metode research (penelitian Ilmiah), Jakarta, Bumi Aksara5. Silalahi, 2003, Metodologi Penelitian dan Studi Kasus, Sidoarjo, Citramedia6. Tjokronegoro, 2004, Metologi Penelitian Bidang kedokteran, Jakarta, Balai Penerbit


Diposkan oleh Armaidi Darmawan di 22:51

0 komentar:

Poskan Komentar

Link ke posting ini

Buat sebuah Link

Posting Lebih Baru Posting Lama Beranda Langganan: Poskan Komentar (Atom)

Total Tayangan Laman

15,811

Link ke situs lain

DIKTI Kedokteran Unja

Cari Blog Ini

Template Ethereal. Diberdayakan oleh Blogger.

Nengok-nengok gamabar

http://www.blogger.com/

biostatistik

Documents