biostatistik
TRANSCRIPT
GBPP
• JUDUL MATA KULIAH :BIOSTATISTIK
• NOMOR KODE: 1 SKS
• TUJUAN UMUM INSTRUKSIONAL:
Setelah selesai mengikuti mata kuliah ini, mahasiswa akan mampu mengumpulkan data, mengolah data, menyajikan data melakukananalisa data serta memilih test statistik yang sesuai.
GBPP
• Statistik Deskriptif1. Pengertian Biostatistik,
2. Pengertian Data, Pengukuran skala
3. Tekhnik Pengolahan Data
4. Penataan : Distribusi Frekuansi
5. Penyajian data(tabel dan grafik)
6. Nilai tengah dan nilai dispersi
• Statitistik Inferensial1.Uji Hipotesis ( Chi-Square dan Yate’s Corection)
Biostatitik
PENDAHULUAN
A. Perkembangan Statistik
• Statistik (Bahasa Italia) : Statista = Pejabat Negara.
• Inggris, statistic kesehatan diawali oleh Raja Henry VII : Pencatatan kematian tahun 1532.
• Kapten John Graunt : kematian selama 30 thn : Perkiraan jumlah orang meninggal karena penyakit, proporsi kelahiran laki-laki dan wanita, tabel perjalanan hidup. 1662.
• Perkembangan Statistis Terhambat :• Sikap Skeptis Klinik : Statistik Hanya Angka/Tdk
Sesuai Etika Kemanusiaan.
• Penderita adalah Individu Yang Berbeda
• Pentingnya perawat mempelajari statistic :
• Pengumpulan, pengolahan, penyajian dan analisa
atau interpretasi serta penarikan kesimpulan .
• Statistik sebagai metode : Secara berurutan.
• Statistik sebagai ilmu : Alat untuk mengelolah data
numerik informasi.
• Satistik : Alat bantu penelitian yang berhubungan
dengan Masyarakat, Kesehatan.
Biostatistik
PENGERTIAN
• Margueritte K. Hall.
• Suatu teknik yang digunakan untuk mengumpulkan
data, menganalisa dan mengunmpulkan data yang
berbentuk angka.
• Sujana.
• Adalah pengetahuan yang b/d cara pengumpulan
fakta, pengolahan serta menganalisanya, penarikan
kesimpulan serta pembuatan keputusan yang cukup
beralasan berdasarkan fakta – fakta penganalisaan
yang dilakukan.
Biostatistik
• Sudrajat
• Adalah ilmu pengetahuan mengenai cara dan aturan dalam hal pengumpulan data, pengolahan , analisa, penarikan kesimpulan, penyajian dan publikasi data –data yang berbentuk angka.
• Jule dan Kendall (“An Intruduction to The History Of Statistik”)
• Adalah kumpulan data kuantitatif yang dipengaruhi oleh berbagai sebab dan metode statistic merupakan suatu metode untuk menjelaskan data kuantitatif yang dipengaruhi oleh berbagai sebab.
Biostatitik
TAHAP–TAHAP STATISTIK
• Pengumpulan data.
• Pengolahan data.
• Penyajian data.
• Analisa dan Intrepretasi data.
• Penarikan Kesimpulan..
Biostatistik
STATISTIK KESEHATAN
• Statistik Kesehatan adalah semua yang berkaitan
dengan pencatatan dalam penilaian kesehatan baik
Individu atau masyarakat.
KEGUNAAN STATISTIK KESEHATAN
Perencanaan program
Membandingkan tingkat kesehatan masyarakat
Menentukan masalah dan penyebab status
Kesmas.
Menentukan prioritas program Kesehatan
Memberikan gambaran keadaan Kesmas.
Menentukan keberhasilan program Kesehatan.
Menentukan Kebutuhan bidang Kesehatan,
Menyebarkan informasi dan program Kesmas.
B. STATISTIK DESKRIFTIF DAN INFERENSIAL
1. Statistik Deskriftif
• Merupakan suatu metode yang bertujuan untuk
memperoleh gambaran tentang keadaan yang
berkaitan dengan penyakit dan kesehatan
masyarakat berdasarkan hasil pengamatan yang
nyata.
• Dipakai hanya terbatas pada pengumpulan,
penyajian, dan analisa data (narasi, tabulasi,
prosentase, nilai rata-rata, perhitungan nilai
tengah, standar deviasi, rasio, dan proporsi).
………….lanjutan
• Sebagian masih menganggap statistic deskriftif kurang
bermanfaat sehingga penelitian deskriftif mempunyai
kualitas yang masih rendah.
• Namun, statistic inferensial menjadi sia-sia tanpa tatistic
deskriftif. Oleh karena itu kedua jenis statsitik ini
merupakan kegiatan yang tidak dapat dipisahkan .
2. Statistik Inferensial
• Statsitk inferensial bertujuan untuk menarik kesimpulan
ciri-ciri populasi yang dinyatakan dengan parameter
populasi melalui perhitungan-perhitungan statistic
sampel.
• Menguji hipotesis berdasarkan teori estimasi dan
distribusi probabilitas atau untuk membandingkan
khasiat obat, prosedur, pengobatan, metode pengobatan
dan lain-lain.
Biostatistik
Biostatistik
PENGUMPULAN DATA
A. Pengertian dan Klasifikasi Data.
• Data = konsep jamak “ DATUM “ yang berarti suatu
himpunan angka yang berasal dari suatu pengukuran
individu.
• Agregat kumpulan dari data – data.
Biostatistik
SYARAT-SYARAT DATA :
• Objektif
• Refresentatif
• Standar Eror
• Waktu pengambilan data harus tepat.
• Relevan
Biostatistik
B. Klasifikasi Data.
1. Menurut tkt pengolahan :
• Row data .
• Array data
• Ungrouped data
• Grouped data
2. Menurut Bentuk angkanya :
• Data diskrit
• Data continue
Biostatistik
3. Menurut sumbernya :
• Data primer
• Data sekunder
4. Menurut sifatnya :
• Data kuantitatif
• Data kwalitatif
5. Menurut waktu pengumpulannya .
• Data cross section
• Data berkala
Biostatistik
6. Menurut Skala Pengukurannya :
Data Nominal : Mempunyai nama/kategori, tapitidak diketahui perbedaan tiap kategori
Data Ordinal : Mempunyai nama/kategori, diketahui perbedaan tiap kategori, tapi tidakdiketahui nilai/Jarak perbedaannya
Data Interval : Mempunyai nama/kategori, diketahui perbedaan tiap kategori, diketahuinilai/Jarak perbedaannya, tapi tidak dapat dibuatperbandingan
Data Ratio : Mempunyai sifat ketiga data dandapat dibuat perbandingan karena mempunyaititik nol mutlak
Biostatistik
Perbedaan sifat skala
Skala Kategori/
Nama
Tkt.
Perbedaan
Jarak
kategori
kelipatan
Nominal Ya No No No
Ordinal Ya Ya No No
Interval Ya Ya Ya No
Rasio Ya Ya Ya Ya
Biostatistik
METODE PENGUMPULAN DATA1. Pengertian.
• Cara pengumpulan data merupakan prosedur yang
sitematik dan standar yang dipakai untuk mendapatkan
data.
• Ada 2 Metode :
• Sensus
• Survey .
• Keuntungan survey :
• Biaya murah.
• Waktu dan tenaga sedikit.
• Data yang diperoleh dapat dipercaya.
• Kelemahan.
• Datanya bersifat sesaat sehingga tidak dapat menggambarkan
perubahan yang terjadi dengan perjalanan waktu.
Biostatistik
PERTIMBANGAN DALAM TEKHNIK
DALAM PENGUMPULAN DATA :
• PERTIMBANGAN EFEKTIFITAS :
• Aspek tenaga, waktu, alat, prosedur, dana.
• PERTIMBANGAN KETELITIAN :
• Reliable, validitas.
• RALIABEL : Alat ukur memberikan hasil yang
konsistensi
• VALIDITAS : Bila mampu memberikan data yang sesuai
dengan yang diinginkan
Tekhnik Pengumpulan Data.
• Wawancara
• Angket (kuisioner)
• Pengamatan (Observasi)
• Pemeriksaan/Pengukuran
Biostatistik
WAWANCARA :
• Adalah suatu cara untuk mendapatkan data secara lisan
dari responden melalui pertemuan/percakapan
• Jenis wawancara :
• Wawancara terpimpin : dilakukan berdasarkan
pedoman, data mudah diolah, data dpt disajikan
ssecara kualitatif dan kuantitatif, dapat dilakukan
banyak orang
• Wawancara tidak terpimpin : Tidak ada topik yang
menjadi fokus wawancara, pertanyaan tidak
sistematis, tidak menggunkan pedoman, sulit diolah
• Wawancara bebas terpimpin : cara kombinasi, luwes,
dan terarah, untuk menggali gejala yg bersifat pribadi
Biostatistik
OBSERVASI
• Proses pengamatan langsung yang dilakukan untuk
mendapatkan data dari responden
• JENIS OBSERVASI :
• Observasi terlihat : bila peneliti aktif berpartisipasi
dalam kegiatan yang diteliti.
• Observasi sistematik :Bila mempunyai kerangka
struktur yg jelas berisi semua faktor yang diperlukan
dan materi observasi mempunyai ruang sempit,
terbatas dan terarah.
• Observasi eksperimental : Bila ingin mengetahui
adanya perubahan akibat eksperimental yang
dilakukan.
Biostatistik
INSTRUMEN PENGUMPULAN DATA.
• Formulir isian.
• Check list
• Kuisioner terbuka / tertutup.
• Alat ukur : Timbangan, Tensimeter, Thermometer.
Biostatistik
PEDOMAN PEMBUTAN KUISIONER.
• Tentukan variabel-variabel yang dibutuhkan dan sesuai dengan tujuan.
• Intensitas pertanyaan disesuaikan dengan tujuan.
• Yang harus diperhatikan dalam menyusun Kuisioner :• Pertanyaan ditulis dengan kalimat sederhana, singkat
dan jelas.
• Jangan mempunyai arti ganda.
• Sebaiknya pertanyaan tidak menyinggung perasaan.
• Tidak mengharuskan responden mengingat kembali masa lampau dan Menghitung.
Biostatistik
Type-Type Pertanyaan
Pertanyaan Tertutup (Close question) : Pertanyaan dikotomi.
Multiplechoise
Pertanyaan Menggunakan skala
Pertanyaan terbuka (Open Question) Kebaikan:
Fleksibel.
Keterangan lebih mendalam.
Dapat mendorong responden untuk bekerjasama.
Kemungkinan pewawancara menghindari kesalahpahaman.
Interpredasi yang dilakukan secara tepat.
Biostatistik
POPULASI DAN SAMPEL
Tujuan :
Setelah materi ini disampaikan mahasiswa akan
dapat mendefenisikan pengertian populasi dan
sampel, syarat sampel, penentuan besar sampel dan
tekhnik sampling
POPULASI DAN SAMPLE
• Populasi : Kumpulan individu yang mempunyai
karakteristik yang akan di ukur.
• Populasi terhingga ( finit )
• Populasi tak terhingga ( Infinit )
• Sample : Perwakilan dari populasi, diharapkan hasil pengambilan data dari sample merupakan penggambaran dari populasi.
Biostatistik
ALASAN PENARIKAN SAMPEL1. Adanya populasi yang sangat besar dan tidak terbatas,
sehingga tidak mungkin seluruh populasi diperiksa atau
diukur karena akan memerlukan waktu yang lama.
2. Homogenitas, tidak perlu semua unit populasi yang
homogen diperiksa karena akan membuang waktu
serta tidak ada gunanya karena variabel yang akan
diteliti telah terwakili oleh sebagian populasi tersebut.
3. Penarikan sampel menghemat biaya dan waktu.
4. Ketelitian/ketepatan pengukuran, meneliti yang sedikit
(sampel) tentu akan lebih teliti jika Dibandingkan
dengan meneliti jumlah yang banyak (populasi)
Biostatistik
SYARAT SAMPEL YG IDEAL
1. Dapat menghasilkan gambaran karakterpopulasi yang
tepat
2. Dapat menentukan presisi (ketepatan) hasil penelitian
dengan menentukan simpangan baku dari taksiran
yang diperoleh.
3. Sederhana, mudah dilaksanakan
4. Dapat memberikan keterangan sebanyak mungkin
dengan biaya serendah mungkin Kalau syarat-syarat di
atas tidak dapat dipenuhi, kesimpulan yang
digeneralisasikan untuk populasi akan bias (bias
conclusion).
Biostatistik
ERROR(PEYIMPANGAN)
Sampling Error, sebenarnya hal ini bukan merupakan
kesalahan yang sebenarnya, tetapi merupakan variasi
dari konsekuensi pengambilan sampel. Maksudnya
bahwa setiap sampel yang akan diambil dari suatu
populasi akan berdistribusi sekitar nilai populasi.
Non Sampling Error, yaitu error yang tidak disebabkan
oleh sampel, tetapi disebabkan pelaksanaan dalam
Pengambilan sampel sampai analisisnya, seperti:
Pada saat perencanaan
Pelaksanaan
Pengolahan
Analisis dan interpretasi
Biostatistik
PENENTUAN BESAR SAMPEL
• Penentuan besar sampel akan tergantung dari desain
penelitian yang akan dilaksanakannya, antara lain:
• Besar sampel untuk penelitian cross sectional.
• Menggunakan rumus besar sampel untuk estimasi
proporsi
• Estimasi adalah perkiraan karakteristik populasi
melalui data sampel.
• Presisi adalah ketepatan sampel terhadap populasi
• Contoh: ingn mengetahui proporsi suatu kejadian,
seperti cakupan pemberian Hb, cakupan imunisasi,
cakupan KB, prevalensi anemia ibu hamil.
Biostatistik
RUMUS BESAR SAMPEL
• n = z² 1-α/2 P (1-P)
d²
Contoh:
• Peneliti ingin mengetahui prevalensi anemia pada ibu
hamil. Berdasarkan catatan Dinas Kesehatan diperoleh
data prevalensi anemia kehamilan adalah 62 %.
Berdasarkan masalah dan informasi tersebut, berapa
jumlah sampel yang dibutuhkan jika peneliti
menginginkan presisi mutlak sebesar 10 % dengan
derajat kepercayaan 95%?
PENYELESAIAN :
• Diketahui P = 0,62, d = 0,10, Z = 1,96, maka dapat dicari
sampel, sbb:
n = (1,96)² x 0,62 (1-0,62)
(0,1)²
n = 3,8416 x 0,62 x 0,38
0,01
n = 0,9050 = 90,5 = 91 orang ibu hamil
0,01
Biostatistik
• RUMUS 2:
n = N.Z². P.Q
d²( N – 1) + Z². P.Q
Ket .:
n = Sampel
N = Populasi
P = Proporsi dalam populasi (o,5)
Q = Proporsi yang lain (1-P)
d = Tingkat kemaknaan
TEKNIK PENGAMBILAN SAMPEL
• PROBABILITY SAMPLING
• Yakni bahwa semua anggota populasi
memiliki peluang yang sama untuk menjadi
sampel penelitian
• NON PROBABILITY SAMPLING
• Yakni bahwa tidak semua anggota populasi
memiliki peluang yang sama untuk menjadi
sampel
Biostatistik
PROBABILITY SAMPLING
SIMPEL RANDOM, PENGAMBILAN SAMPEL ACAK SEDERHANA, YAKNI PENGAMBILAN SAMPEL YANG DILAKUKAN SECARA ACAK TAPI TIDAK MEMPERHATIKAN STRATA, DAN KLASIFIKASI. CARA INI EFEKTIF JIKA POPULASI HOMOGEN
PROPORSIONATE STRATIFIED RANDOM; YAKNI PENGAMBILAN SAMPEL SECARA ACAK TAPI MEMPERHATIKAN STRATA DAN DILAKUKAN SECARA PROPORSIONAL. CARA INI EFEKTIF JIKA POPULASI HETEROGEN DAN BERSTRATA.
DISPROPORSIONATE STRATIFIED RANDOM; PENGAMBILAN SAMPEL SECARA ACAK, MEMPERTIMBANGKAN STRATA, TAPI TIDAK PROPORSIONAL. CARA INI EFEKTIF KETIKA POPULASI BERSTRATA TAPI TIDAK SEIMBANG.
Biostatistik
LANJUTAN
AREA SAMPLING; YAKNI
PENGAMBILAN SAMPEL AREA TAPI
MELALUI RANDOM, YAKNI PENETAPAN
AREANYA DIACAK, DAN PENETAPAN
SAMPEL DI MASING-MASING AREA
JUGA DILAKUKAN DENGAN CARA
ACAK.
Biostatistik
NON PROBABILITY SAMPLING
SAMPEL KUOTA; YAKNI PENETAPAN SAMPEL DENGAN HANYA MEMPERTIMBANGKAN BERAPA BANYAK SAMPEL YANG AKAN DIMINTAI PANDANGAN, TANPA MEMPERTIMBANGAN KETERWAKILAN.
SAMPEL SISTEMATIS; PENGAMBILAN SAMPE, YANG DILAKUKAN DENGAN CARA SISTEMATIS. UMPAMANYA DITENTUKAN NOMOR URUTNYA, LALU DIAMBIL NOMOR-NOMOR GANJIL SAJA, ATAU GENAP SAJA, ATAU SKAL SEKIAN DST..
SAMPEL AKSIDENTAL, YAKNI PENGAMBILAN SAMPEL YANG DILAKUKAN SECARA KEBETULAN.
SAMPEL PURPOSIVE, YAKNI PENETAPAN SAMPEL YANG DILAKUKAN BERDASARKAN PERTIMBANGAN KEPENTINGAN PROSES PENELITIAN.
SNOW BALL, YAKNI PENGAMBILAN SAMPEL DENGAN POLA BOLA SALJU, DARI TERKECIL KEMUDIAN MEMBESAR.
Biostatistik
Tujuan :
Mahasiswa mampu melakukan tahap editing, coding
dan tabuling data
TEKHNIK PENGOLAHAN DATA
1. Langkah Pengolahan Data.
• Proses Editing
• Melengkapi jawaban penjawab pada kuisioner.
• Memperbaiki jawaban penjawab.
• Memperjelas.
• Pengecekan logis.
Biostatistik
• Coding.
• Memberikan kode jawaban secara angka atau kode tertentu atau lebih mudah dan sederhana.
• Tabulating
• Penyusunan : pengorganisasian data sedemikian rupa agar dengan mudah dapat dijumlahkan, disusun, dan ditata untuk disajikan dan dianalisis.
• Tally sheet = penyederhanaan perhitungan dengan menghitung 1/1 dan proses penilaian.
• Shortering dengan menggunakan kartu jawaban yang dimasukkan dalam kartu yang telah disediakan perjenis jawaban.
• Tabulasi dengan Komputer : program SPSS ataupun Epi Info.
Biostatistik
Tujuan Pembelajaran :
Mahasiswa akan dapat menjelaskan istilah-istilah membuat
jenis-jenis tabel distribusi frekuensi
PENATAAN DATA
• Diringkas agar mudah disajikan dan dianalisis
.disimpulkan.
• Penataan Dalam bentuk distribusi frekuensi.
DISTRIBUSI FREKUENSI
• Kumpulan data yang kita amati dalam suatu karaktesistik
tertentu.
• Bila data sedikit = tidak perlu disajikan dalam
kelompok.
• Bila data banyak perlu disajikan secara kelompok.
• Distribusi tunggal.
• Distribusi kelompok ( Frekuensi )
Cara Membuat DF
• Range = Nilai max – Nilai min
• Banyaknya Kelas (K)
• K = 1 + 3,3 log n
n = Banyaknya Data
• Interval Kelas = Range/Kelas
Contoh :
• Nilai Ujian Mahasiswa :
79 49 48 74 81 98 87 80 80 84 90 70 91 93 82 78 70
71 92 38 79 81 74 73 68 72 85 51 65 93 83 96 90
35 83 73 74 43 86 68 92 93 76 71 90 72 67 75 80
91 61 72 79 97 91 88 81 70 74 99 95 80 59 71 77 63
75 60 83 82 60 67 89 63 76 63 88 70 66 88
Data Arraynya :
• 35 38 43 48 49 51 58 59 60 60 61 63 63 63 65 66 66
67 67 68 68 70 70 70 71 71 71 72 72 72 73 73 74 74
74 74 75 75 75 76 76 77 78 79 79 79 80 80 81 81 82
82 83 83 83 85 85 86 87 87 88 88 88 89 89 90 90 90
91 91 91 92 92 93 93 93 95 97 98 99
Hasil Pendistribusian :
KELAS/KELOMPOK
Nilai Mahasiswa
FREKUENSI
31 – 40
41 – 50
51 – 60
61 – 70
71 – 80
81 – 90
91 - 100
2
3
5
14
24
20
12
JUMLAH 80
Beberapa Istilah
Ujung Bawah(UB) : Angka yg terdapat disebelah kiri IK.
Ujung Atas (UA) : Angka yang terdapat di sebelah kanan IK.
Batas UB = UB – 0,5.
Batas UA = UA + 0,5
Panjang kelas (Interval Kelas)= selisih 2 UB/UA berurutan.
Titik tengah / Tanda Kelas = wakil dalam kelas interval.
Titik tengah = ½ ( UB + UA ).
Rentang kelas (Range) = nilai max – nilai minimal.
Banyak kelas interval = 1 + 3.3 Log.n.
n = Banyaknya data.
JENIS-JENIS TABEL DF
1. Distribusi Frekuensi Relatif
• Mengetahui prosentase suatu kelompok terhadap
seluruh pengamatan.
• Rumus:
• Rumus : ( f/N ) x 100.
• Pengamatan terlalu kecil, prosentasenya akan terjadi
bias.
• Minimal sebanyak 60.
• n semakin mendekati 100 perhitungan prosentasenya
semakin tepat.
2. Distribusi frekuensi Kurang Dari Batas Bawah (< )
• Untuk mengetahui frekuensi data yang mempunyai
nilai di bawah kelompok tertentu.
• Perhitungannya menjumlah semua frekuensi yang
terletak sebelum nilai batas bawah kelompok tersebut.
3. Distribusi frekuensi Sama atau Kurang Dari Batas
Atas (≤)
• Menjumlahkan frekuensi pada kelompok yang
diinginkan dengan semua frekunesi kelompok
sebelumnya.
Biostatistik
4. Distribusi frekuensi Lebih Dari Batas Atas (>)
• Untuk mengetahui banyaknya frekuensi nilai ujian
mahasiswa yang lebih besar dari batas atas
kelompok
• Menjumlah semua frekuensi kelompok berikutnya.
5. Distribusi frekuensi Sama atau Lebih Dari
Batas Bawah(≥)
• Untuk memperoleh distribusi frekuensi kumulatif lebih
atau sama dengan nilai batas bawah
• Menjumlah frekuensi kelompok yang bersangkutan
ditambah dengan frekuensi kelompok berikutnya.
KELAS f % < BB > BA
35 – 44
45 – 54
55 – 64
65 – 74
75 – 84
85 – 94
95 -105
3
3
8
22
19
21
4
3,75
3,75
10
27,5
23,75
26.25
5
0
3
6
14
36
55
76
77
74
66
44
25
4
0
Tugas :
50 78 88 51 53 67 78 90 76 54
58 77 87 56 66 76 86 78 74 73
78 77 57 78 89 87 77 65 63 60
67 88 61 60 54 53 76 71 74 89
78 88 90 95 56 72 77 89 94 91
67 56 59 65 90 80 82 67 77 87
TUJUAN :
Mahasiswa akan dapat memuat sajian data dalam bentuk teks, tabel dan grafik
PENYAJIAN DATA
• Merupakan salah satu kegiatan pembuatan laporan hasil
penelitian untuk dipahami dan dianalisis sesuai dengan
tujuan yang diinginkan.
• Sederhana dan jelas agar mudah dibaca.
• Maksud : Mudah memahami apa yang kita sajikan untuk
penilaian atau perbandingan.
• Bentuk penyajian dapat berupa tulisan(teksual), table,
dan grafik.
1. TEKSTUAL
• Merupakan gambaran umum tentang kesimpulan hasil
pengamatan.
• Dalam bidang kesehatan, hanya digunakan untuk
memberikan informasi.
• Banyak digunakan bidang social, ekonomi, psikologi dll
dan berperan sebagai laporan hasil penelitian kualitatif.
2. TABEL
• Penyajian data dalam bentuk angka-angka yang
disusun secara teratur dalam baris dan kolom.
• Banyak digunakan pada penulisan laporan hasil
penelitian
• Maksud : Mudah memperoleh gbr. rinci ttg hasil
penelitian.
• Suatu tabel yang lengkap terdiri dari nomor tabel,
judul tabel, badan tabel, catatan kaki dan sumber
data.
Biostatistik
NO.
JUDUL TABEL
BOX
HEAD
JUDUL KOLOMJUMLAH
JUDUL
BARIS
Sel Sel Badan Tabel
Sel Sel
JUMLAHGRAND
TOTAL
Fote Notes
Sumber Data
Contoh .
Penjelasan
• Nomor tabel :
• Bila tabel > 1 sebaiknya diberi nomor
• Diletakkan di atas sebelah kiri sejajar judul tabel
• Judul Tabel :
• Singkat, jelas, dan berisi ttg apa, dimana, kapan,
• Harus konsisten dan menggambarkan isi tabel
Biostatistik
• Badan tabel :
• Terdiri dari judul kolom, judul baris, judul kompartemen,
dan sel
• Catatan Kaki :
• Untuk memberi keterangan ttg singkatan dan ukuran yg
digunakan.
• Biasanya menggunakan Tanda *
• Diletakan dibawah kiri tabel
• Sumber Data :
• Diletakkan dibawah catatan kaki
• Penting : Khususnya data sekunder
• Sumber ditulis lengkap : dari mana, apa, siapa, tahun
Biostatistik
BENTUK-BENTUK TABEL
1. Tabel Sinopsis
• Semua variable yang dikumpulkan dan ditulis dalam
baris dan kolom dengan urutan yang sama.
• Penting dalam perencanaan penelitian karena dapat
diketahui jumlah tabel dan variable yang akan dicari
hubungannya
Contoh :
Pendid
ikan
Pekerjaan Jmlh
Anak
Agama Persalina
n
Tempat
sampah
Pendidikan
Pekerjaan 1
Jmlh Anak 2 6
Agama 3 7 10
Persalinan 4 8 11 13
Tempat
sampah
5 9 12 14 15
Biostatistik
2.Tabel Induk
• Berfungsi sebagai referensi sering disebut tabel
referensi
• Pada tabel induk terdapat semua variable yang
dikumpulkan.
• Tidak dapat digunakan untuk mengadakan
perbandingan.
• Tabel induk biasanya ditempatkan dibelakang
sebagai lampiran.
Biostatistik
Contoh :
Gol
Umur
Jenis Kelamin Pekerjaan Pendidikan Dsb.
Laki-
2
Wanita Tani Buruh PNS SD SMP SMA
Jumlah
Biostatistik
3. Tabel Kerja(Tabel Teks)
• Menggambarkan beberapa variable secara rinci.
• Berguna : Pembahasan, Perbandingan antara
variable atau hubungan antara dua variabel.
• Diambil dari tabel induk atau gabungan beberapa
tabel kerja.
• Biasanya disusun berdasarkan progresivitas,
tahun atau bergantung pada kebutuhan.
• Dari tabel teks dapat dibuat Tabel Silang(cross
table)
Contoh :
TINGKAT
PENDIDIKAN
PEKERJAAN
BURUH TANI DAGANG PENGUSAHA
Tidak Sekolah
SD
SMP
SMA
PT
Lain-Lain
JUMLAH
4. Tabel Kontingensi
• Disusun berdasarkan banyaknya baris dan kolom.
• Untuk memberikan gambaran hasil penelitian.
Banyak digunakan dalam perhitungan statistic
inferensial untuk pengujian hipotesis.
• Dinamakan sesuai dengan banyaknya baris dan
kolom.
•
Biostatistik
Contoh : Tabel 2x2
JUDUL KOLOM JUMLAH
JUDUL
BARIS
JUMLAH GRAND TOTAL
Biostatistik
Tabel 2x3
JUDUL KOLOM JUMLAH
JUDUL
BARIS
JUMLAHGRAND
TOTAL
Tabel berdasarkan penyusunan Judul
baris :
• Menurut Abjad
• Menurut Geografis
• Berdasarkan Perkembangan Waktu
• Berdasarkan Besarnya Angka
• Berdasarkan Kelaziman
• Berdasarkan Tingkatan
Biostatistik
3. GRAFIK
• Grafik lebih menarik dan lebih mudah dipahami,
• Yang kurang jelas dlm table. lebih jelas dalam bentuk
grafik.
• Manfaat Grafik :
• Membandingkan beberapa variable, Kategori
dalam veriabel atau satu variabel pada waktu dan
tempat yang berbeda.
• Memprediksi perubahan.
• Mengetahui adanya hubungan dua variabel atau
lebih.
• Memberikan penerangan pada masyarakat.
Biostatistik
• Kerugian :
• Keterangan yang tidak rinci.
• Grafik harus dibuat dengan perhitungan yang benar,
perhitungan yang salah mengakibatkan penilaian
yang salah.
• Informasi yang disajikan terbatas.
• Beberapa Ketentuan Dalam Penyajian Grafik :
• Judul ditulis dengan jelas, singkat, dan sederhana.
• Bentuk grafik harus disesuaikan dengan data yang
ada.
• Grafik harus menarik.
• Keterangan dapat ditulis di bawah/dalam.
Biostatistik
JENIS-JENIS GAFIK
1. GRAFIK BALOK
• Beberapa hal yang harus diperhatikan, sebagai
berikut :
• Dapat digambar tegak atau melintang
• Antara balok terapat ruang yang lebih sempit
daripada balok.
• Lebar balok harus seimbang.
• Penggambaran harus dimulai dari titik nol.
• Keterangan / frekuensi sebaiknya tidak
dicantumkan di dalam/ di luar balok kecuali bila
terlalu besar.
• Dapat digambar berhimpitan untuk
menggambarkan kategori dalam satu variabel,
berikutnya merupakan data kontinu.Biostatistik
CONTOH:
Biostatistik
Contoh :
0 10 20 30 40 50 60
Kuartal 1
Kuartal 2
Kuartal 3
Kuartal 4
Anak
Bayi
Busui
Bumil
Biostatistik
GRAFIK BALOK
Biostatistik
2. HISTOGRAM
• Tidak seperti grafik balok, histogram data kontonue,
• Menggambarakan tingkat pengukuran ordinal atau interval.
• Tingginya balok :frekuensi kejadian,
• Aksis horizontal : kategori atau interval-interval kelas.
• Pedoman yang harus diperhatikan adalah :
• Menggunakan kelas sebenarnya.
• Dapat pula digambar berdasarkan nilai tengah
setiap interval kelas.
• Tidak ada kelas terbuka dalam distribusi frekuensi.
Histogram
82
0
2
4
6
8
10
14
12
FREKUENSI
INTERVAL
KELAS/KELAS
SEBENARNYA0.5 3.5 5.5 7.5 9.5 11.5 13.5
3. POLIGON FREKUENSI
• Dibentuk dari suatu histogran dengan menggabungkan
pusat puncak setiap kolom.
• Pusat puncak titik kolom adalah merupakan tanda kelas
interval.
Poligon
84
0
2
4
6
8
10
14
12
FREKUENSI
INTERVAL KELAS1 3 5 7 9 11 13
Histogram dan Poligon
85
0
2
4
6
8
1
0
14
1
2
FREKUENSI
INTERVAL KELAS1 3 5 7 9 11 13
4. PIE DIAGRAM
• Untuk membandingkan kategori-kategori dalam suatu
variabel.
• Ketentuan Pembuaran Pie Diagram berikut ini :
• Besar lingkaran harus enak dipandang.
• Kategori yang dibandingkan biasanya 4 – 6
kategori.
• Sudut segmen tidak terlalu kecil agar dapat
dibedakan.
• Tiap segemen dapat diberi warna
• Besarnya segmen harus menggambarkan
prosentase yang sesuai.
CONTOH :
5. GRAFIK GARIS
• Menggambarkan suatu keadaan yang berurutan
dalam skala waktu, tahun dan lain-lain.
a. Grafik Frekuensi Kumulatif (Ogive)
• Dihasilkan dari data distribusi frekuensi kumulatif
dan digunakan untuk menentukan posisi individu
dalam suatu kelompok.
Contoh Ogive :
89
0
5
10
15
20
25
35
30
FREKUENSI
INTERVAL KELAS1 3 5 7 9 11 13
Contoh Grafik garis:
DIAGRAM PENCAR
• Dihasilkan dari titik-titik koordinat dan merupakan grafik korelasi
atau kecenderungan .
• Untuk mengetahui hubungan antara dua bariabel yang
perpasangan.
• Titik pertemuan antara dua variabel yang berpasangan disebut titik
koordinat : dihubungkan membentuk grafik garis.
• Garis yang terbentuk lurus : grafik korelasi sederhana ( korelasi
linier).
• Garis linier dari kiri bawah ke kanan atas disebut korelasi positif
• Garis korelasi dari kiri atas ke kanan bawah disebut korelasi
negative.
• Bila titik koordinat tidak membentuk pola tertentu mungkin variabel-
variabel tsb. tidak mempunyai korelasi.
CONTOH :
GAMBAR
Berupa diagram yang menyatakan frekuensi distribusi
data disertai dengan bentuk gambar tertentu yang ada
hubungannya dengan keadaan data yang akan
dipresentasikan.
Contoh : Jumlah kasus rabies :
= 2006 Ket : = 10 kasus
= 2007
= 2008
Contoh :
94
2000
2001
2002
2003
= 100.000
JUMLAH EKSPOR MEUBEL INDONESIA
ANALISA DATA
1. UKURAN TENDENSY CENTRAL
• Nilai tengah ialah suatu nilai yang dapat mewakili
sekelompok.
• Nilai tengah juga disebut kecenderungan di tengah
(Central Tendency)
• Nilai tengah yang sering digunakan antara lain :
• Rata-rata hitung (Arithmatic Mean). Atau disingkat
Mean.
• Median , dan
• Modus (Mode)
1. MEAN
• Simbol rata-rata populasi adalah µ (mu)
• Simbol rata-rata sample digunakan symbol x.
• Rata-rata hitung ialah jumlah semua hasil pengamatan
(x) dibagi dengan banyaknya pengamatan (n).
Rumus : 6.1(Data Tunggal) :
X = x
n
RUMUS NILAI RATA-RATA
Rumus : 6.1(Data Tunggal) :
X = x
n
• Rumus diatas tidak efisien untuk jumlah data yang
banyak
• Untuk data yang banyak dpt didengan beberapa rumus :
• Distribusi frekuensi tanpa pengelompokkan
• Distribusi frekuensi kelompok dgn interval sama
• Distribusi frekuensi kelompok dgn interval tidak sama
• Perhitungan rata-rata dengan menggunakan kode
• Rumus 6.2 (Data tanpa Kelompok):
X = fx
n
• Rumus 6.3 (Dsitribusi Frekensi):
X = fNt
n
99
Tabel Distribusi Frekuensi :
BERAT BADAN f Nt fNt
41 – 45
46 – 50
51 - 55
56 – 60
61 – 65
66 – 70
71 – 75
76 – 80
4
4
1
2
5
7
5
2
43
48
53
58
63
68
73
78
172
192
53
116
315
476
365
156
JUMLAH 30 1.845
Nilai Rata-rata dgn menggunakan Kode
• Untuk mempermudah
• Caranya :
a. Tentukan satu kelas sbg titik Nol beri kode “d”
b. Utk kelas diatas titik nol diberi kode dgn tanda
negatif secara berurutan, utk diatas nol diberi kode
positif
c. Kalikan frekuensi tiap kelas dgn “d” pd kelas yg
sama
d. Hitung nilai tengah titik nol (Nt0)
e. Bagilah hasil point C dgn jumlah pengamatan dan
kalikan dgn interval kelas dan tambahkan dgn (Nt0)
101
RUMUSNYA :
X = Nt0 + i fd
n
Untuk interval kelas yg tidak sama :
a. Tentukan interval yg digunakan
b. Kode “d” diganti dgn ( Nti – Nt0) lalu dibagi dgn interval
(i)
c. Perhitunganya sama dgn df dgn interval kelas yg sama
102
Distribusi dgn IK yg tdk sama
BERAT
BADAN
f Nt dfd
41 – 50
51 – 65
66 – 70
71 - 80
8
8
7
7
45.5
58
68
75.5
-2.5
0
+2
+3.5
-20
0
+14
+24.5
JUMLAH 30 +18.5
Rata-rata dgn Pembebanan
• Bila jumlah pengamatan tiap klpk tidak sama maka
perhtiungan rata-2nya harus dilakukan dgn
pembebanan
• RUMUS :
XW = nXi
n1
104
MEDIAN• Median berbeda mean
• Median hanya menyatakan posisi tengah dari sederatan
angka hasil pengamatan sedemkian rupa sehingga
membagi dua sama banyak.
• Ini berarti bahwa 50% nilai terletak di bawah median dan
50% terletak di atas median
• Rumus Letak Median :
• Data ganjil :
Me = ( n + 1 )/2
• Data Genap :
Me = (n/2 + n/2+1)/2 (Jumlahkan dua Data yg paling
tengah dibagi dua)
• Perhitungan Pada data Distribusi Frekuensi
• Rumus :
• Me = b + p (½ n – f)
• FKeterangan : Me = Median
b = Batas bawah Kelas Median
p = Panjang kelas
f = Jumlah kumulatif frekuensi sebelum kelas median
F = Frekuensi kelas median
n = Banyaknya pengamatan
MODUS
• Modus : dinyatakan dalam frekuensi terbanyak dari data
kualitatif dan kuantitatif.
• Modus dapat pula dinyatakan sebagai puncak dari suatu
kurva.
• Modus jarang digunakan karena sangat dipengaruhi
oleh nilai ekstrim dan letak modus akan berubah dengan
mengikuti nilai ekstrim.
• Perhitungan Data Yang Dikelompokkan
• Rumus 6.6 :
Mo = b + p ( b1 )
b1 + b2
• Keterangan :
• Mo = Modus
• b = Batas bawah kelas dimana modus berada
• p = Panjang interval Kelas modus
• b1=selisih frekuensi kelas modus dengan frekuensi sebelum kelas
modus
• b2 = Selisih frekuensi kelas modus dengan frekuensi setelah kelas
modus
UKURAN PENYIMPANGAN
(NILAI DISPERSI)
Tujuan :
Mahasiswa akan dapat mengitung nilai Range,
Kuartil, Desil, Presentil, Varians, Standar Deviasi
UKURAN DISPERSI
• Penyebaran atau variasi dari nilai mean disebut juga
Dispersi.
• Perhitungan dispersi sangat penting karena beberapa
hal sebagai berikut :
• Mendapatkan informasi tambahan tentang penyimpangan
• Menilai ketepatan nilai tengah dalam mewakili distribusinya
• Menganalisa melalui perhitungan statistic yang lebih mendalam.
• Terjadinya variasi merupakan peristiwa alamiah,
disebabkan :
• Adanya variasi antar-individu yang disebut variasi
eksternal.
• Adanya variasi intra-individu yang disebut variasi
internal.
RANGE
• Paling sederhana hanya melibatkan 2 nilai dalam
distribusi, yaitu nilai terbesar dan nilai terkecil.
• Range adalah selisih antara nilai terbesar dan nilai
terkecil
• Dalam hal ini kegunaan Range sangat terbatas
karena :
• Hanya melibatkan nilai terbesar dan terkecil
• Sangat dipengaruhi oleh nilai ekstrim.
• Tidak dapat ditentukan pada distribusi dengan kelas
interval terbuka.
• Range dpt digunakan utk memperkirakan hasil
perhitungan SD.
• Pada Distribusi Normal : 1 SD = 1/6 Range
• Dapat terjadi 2 distribusi :
• Range yg sama tapi mean berbeda
• Mean yg sama tapi range berbeda
112
CONTOH :BERAT BADAN
KELOMPOK 1 KELOMPOK 2
40
43
49
60
60
64
65
65
66
70
40
40
40
40
43
45
50
52
55
70
JUMLAH 582 JUMLAH 474
RANGE 30 RANGE 30
RATA-RATA 58,2 RATA-RATA 47.4
113
CONTOH :NILAI UJIAN
KELOMPOK 1 KELOMPOK 2
40
45
50
55
60
10
25
55
70
90
JUMLAH 250 JUMLAH 250
RANGE 20 RANGE 80
RATA-RATA 50 RATA-RATA 50
114
UKURAN KUARTIL
• Data yg telah disusun dibagi 4 bagian yg sama disebut
Kuartil
• K1 = 25 %, K2 = 50% , K3 = 75%
• Kelebihan :
• Menggunakan 50 % bagian tengah, tdk
dipengaruhi oleh nilai ekstrim
• Posisi K1,K2,K3 dapat dihitung
• K2 = Median
• Dapat dihitung Dispersinya pd Kelas Terbuka
115
RENTANG ANTAR KUARTIL
• Adalah Selisik antara K3 – K1 = 50% bagian tengah
• Setengah RAK = Simpangan kuartil
• Cara Perhitiungan :
• Tentukan Letak K3 dan K1 :
• Rumus :
K3 = ¾(n + 1) dan K1 = ¼ (n + 1)
• Hitung Nilai K3 dan K1
• Rumus :
K3 dan K1 = L + b (S –L)
• L = Nilai sebelum K3 dan K1
• B = kekurangan unit utk mencapai letak K3/K1
• S = Nilai dimana K3/K1 berada116
KUARTIL DGN DATA KELOMPOK
• Letak kuartil : Rumus : x = (K x n)/4
• RUMUS data kelompok :
Kk = L + i (x – fkum)/f
• L = Batas bawah dimana kuartil berada
• i = Interval kelas
• fkum = Frekuensi kumulatif sebelum kuartil
• f = Frekuensi dimana kuartil berada
• x = Letak kuartil
117
DEVIASI KUARTIL
• Adalah Ukuran Dispersi berdasarkan rentang antar-
kuartil dgn median sbg posisi tengah
• Rumusnya :
Dk = (K3 – K1)/2
• Median atau K2 = Median
• Rumus :
Me = (K3 + K1)/2
118
DESIL (DECILE)
• Adalah data yg disusun dibagi 10 bagian yg sama
• Rumus Letak Desil(Data Tunggal):
Dd = Data ke d(n + 1)/10
• Rumus Desil :
Nilai Dd = L + b (S – L)
• L = Nilai sebelum Dd
• S = Nilai dimana Dd berada
• b = Kekurangan unit utk mencapai Dd
119
DESIL PADA DATA KELOMPOK :
Letak Dd pada data ke x = (d x n)/10
Dd = Desil ke 1, 2, 3, ………..9
n = jumlah pengamatan
Rumus :
Nilai Dd = L + i(x – fkum)/f
L = Batas bawah dimana Desil berada
i = Interval kelas
fkum = Frekuensi kumulatif sebelum Desil
f = Frekuensi dimana desil berada
x = Letak Desil
120
PERSENTIL (PERCENTILE)
• Adalah data yg disusun dibagi 100 bagian yg sama, kita
dapatkan 99 bagian yg sama
• Rumus Letak Presentil(Data Tunggal):
Pp = Data ke p(n + 1)/100
P = 1,2,3……..99
• Rumus Presentil :
Nilai Pp = L + b (S – L)
• L = Nilai sebelum Pp
• S = Nilai dimana Pp berada
• b = Kekurangan unit utk mencapai Pp
121
DATA KELOMPOK :
Letak Pp pada data ke x = (p x n)/100
Pp = Precentil ke 1, 2, 3, ………..99
n = jumlah pengamatan
Rumus :
Nilai Pp = L + i(x – fkum)/f
L = Batas bawah dimana Presentil berada
i = Interval kelas
fkum = Frekuensi kumulatif sebelum Presentil
f = Frekuensi dimana presentil berada
x = Letak presentil
122
MEAN DEVIATION
• Merupakan dasar dari SD dan Variance
• Mean Deviasi = Jumlah selisih antara hasil setiap
pengamatan dengan rata-rata dibagi dengan
banyaknya pengamatan
• Kemungkinan diperoleh nilai negatif ,maka dlm MD
diambil angka mutlaknya
• Berguna utk mengetahui variasi dlm satu klpk, atau
membandingkan variabilitas dua klpk atau lebih
123
Rumus :
• Populasi :
MD = |X – µ|
n
• Sampel :
MD = |x – x|
n
124
STANDAR DEVIASI
• Simpangan baku (Standar Deviastion) ukuran dispersi
yang sangat penting dan banyak digunakan dalam
statistic.
• Penyimpangan atau selisih nilai hasil pengamatan
dengan rata-rata dapat menghasilkan nilai yang
negative.
• Jumlah seluruh hasil pengamatan dengan rata-rata yang
telah dipangkatkan dua dibagi dengan jumlah
pengamatan disebut Variance.
• Bila varians ditarik akarnya maka akan menghasilkan
Simapangan Baku (Standar deviasi).
RUMUS
• Data tidak dikelompokkan(Varians) :
S² = (X – x)² atau S² = n. X² – ( x)²
n - 1 n ( n – 1 )
Rumus Standar Deviasi 6.7b :
SD =√ (X – x)² atau SD= √n. X² – ( x)²
• n - 1 n( n – 1)
• Atau
SD = √S²
• Data dikelompokkan (Varians) :
S² = f(X –x)² atau S² = n. f X² – ( fx)²
• n - 1 n( n – 1)
Rumus Standar Deviasi 6.8b :
SD = √ f(X – x)² atau SD=√n. f X² – ( f x)²
n - 1 n( n – 1)
Keterangan :
• S² = Varians x = Rata-rata f = Frekuensi
• n = Banyaknya pengamatan X = Hasil Pengamatan
VITAL STATISTIK
TUJUAN :
Setelah mengikuti pokok bahasan ini
mahasiswa diharapkan akan dapat
menghitung, angka kelahiran, angka kematian,
angka kesakitan
CONTOH :
• Di Kec. A jumlah penduduk pertengahan tahun
sebanyak 25.000 jiwa terdiri dari laki-2 10.000
jiwa dan wanita 15.000 jiwa. Dari 15.000 wanita
terdapat 10.000 wanita usia 15-49 thn,250
diantaranya wanita usia 20 – 24 tahun. Selama
1 tahun terdapat 40 kelahiran hidup, 5
diantaranya dilahirkan oleh wanita berusia 20 –
24 thn. Selain itu terjadi kematian ibu
melahirkan sebanyak 3 kasus dan bayi yang
meninggal sebelum usia 1 tahun sebanyak 2
orang.
STATISTIK KELAHIRAN
• Adalah salah satu tekhnik untuk menilai status
kesehatan masyarakat dalam kesatuan populasi tertentu
• Jenis statistik kelahiran :
• Angka kelahiran kasar /Crude Birth Rate (CBR)
• Angka Fertilisasi Umum /General Fertility Rate (GFR)
• Angka Fertilisasi Spesifik-Usia/ Age Specific Fertility
Rate (ASFR)
Angka Kelahiran kasar(CBR)
Menggambarkan angka kelahiran hidup dalam satu
tahun
Paling Umum digunakan untuk menilai tingkat fertilisasi
penduduk
RUMUS :
CBR = Jumlah kelahiran hidup dlm 1 tahun X 100
Jumlah penduduk pertengahan tahun
Angka Fertilisas Umum(GFR)
Yaitu angka kelahiran yang dikaitkan dgn tingkat
“Reproduktivitas” wanita dlm status mampu hamil
Masa mampu hamil wanita 15 – 49 tahun
RUMUS :
GFR = Jumlah kelahiran hidup dlm 1 tahun X 100
Jumlah Wanita Usia 15 – 49 tahun
Angka Fertilisas Spesifik-Usia (ASFR)Lebih bersifat informatif dibanding angka fertilisasi
umum, karena fertilisasi wanita usia muda berbeda dgn
fertilisasi wanita usia tua.
RUMUS :
ASFR = Jumlah kelahiran hidup dari wanita dgn usia t3 X 100
Jumlah Wanita dgn usia tertentu
• Jumlah pendududk yang menderita
penyakit sebanyak 300 org, 100
diantaranya disebabkan oleh diare. Pada
bulan juli – sept jumlah kasus diare
sebanyak 25 org dan dalam 1 bln terakhir
terjadi kasus diare sebanyak 75 kasus
yang menyebakan kematian sebanyak 5
org, dari seluruh jumlah kematian selama
1 tahun sebanyak 20 orang. 8 kematian
diantaranya adalah terjadi pada klpk usia
40-44 thn dimana jumlah klpk umur 40-44
thn adalah 1000 orang.
STATISTIK KESAKITAN
• Merupakan indikator yg penting dalam mengevaluasi
tingkat kesehatan masyarakat
• Terdapat 2 indikator angka kesakitan yaitu :
• INSIDENSI
• PREVALENSI
• Insidensi digunakan pd kasus-kasus BARU
• Prevalensi digunakan untuk penjumlahan kasus BARU
dan LAMA
Angka Insidensi (IR)
• Angka insidensi suatu penyakit adalah angka yg
menggambarkan kejadian atau timbulnya suatu penyakit
(kasus baru) dlm kurun waktu tetentu pada masyarakat.
• Menunjukkan CEPAT/TIDAKNYA penyebaran suatu
penyakit
• RUMUS :
IR = Jumlah kasus baru suatu penyakit dlm 1 thn x 1000
Jumlah penduduk pertengahan tahun
Angka Prevalensi (PR)
• Angka Prevalensi suatu penyakit adalah angka yg
menggambarkan jumlah penderita (kasus lama dan
baru) suatu penyakit tertentu dlm kurun waktu tetentu
pada masyarakat.
• Ada 2 macam Angka Prevalensi :
• Point Prevalensi : Dihitung berdasarkan kenyataan
pada saat tertentu
• Periode Prevalensi : Dihitung berdasarkan periode
waktu tertentu
• RUMUS POINT PREVALENSI
Pt R = Jumlah Semua kasus (Lama & baru) pada suatuwaktu tertentu x 100
Jumlah penduduk pada saat tertentu
• RUMUS PERIODE PREVALENSI
PR = Jumlah Semua kasus (Lama & baru) pd periode waktu tertentu x 100
Jumlah penduduk pada periode tersebut
Rasio Fatalisasi Kasus (CFR)
• Digunakan untuk mengevaluasi keberhasilan program
pengobatan yg dilakukan terhadap suatu wabah
penyakit dlm masyarakat
• Menunjukan probabilitas kematian yg terjadi pada suatu
wabah penyakit tertentu.
• RUMUS :
CFR = Jumlah kasus mati pd pentakit tertentu x 100
Jumlah semua kasus penyakit tertentu
STATISTIK KEMATIAN
• Adalah angka yang menggambarkan frekuensi relatif
terjadinya kematian dalam periode tertentu pada
masyarakat tertentu.
• Beberapa Statistik Kematian :
• Angka Kematian kasar (CDR)
• Angka Kematian Spesifik (ASDR, CSDR)
• Angka kematian Ibu (MMR)
• Angka Kematian Bayi (IMR)
Angka Kematian Kasar
• Adalah angka yang menggambarkan besarnya peristiwa
kematian secara umum dalam populasi tertentu dalam
satu tahun
• RUMUS :
CDR = Jumlah kematian dalam 1 tahun X 1000
Jumlah penduduk pertengahan tahun
Angka Kematian Spesifik
1. Angka Kematian spesifik - Umur (ASDR)
• RUMUS :
ASDR = Jumlah kematian menurut klp usia tertentu dlm 1 tahun X 1000
Jumlah penduduk usia klpk t3
Angka Kematian spesifik - Penyebab (CSDR)
• RUMUS :
CSDR = Jumlah kematian menurut kasus tertentu dlm 1 tahun X 1000
Jumlah penduduk yang mengalami kasus t3
Angka Kematian Ibu (MMR)
Adalah angka yang menggambarkan besarnya peristiwa
kematian ibu karena proses persalinan dan nifas
RUMUS :
MMR = Jumlah kematian ibu melahirkan/nifas dlm 1 tahun X 1000
Jumlah kelahiran hidup pertengahan tahun
Angka Kematian Bayi (IMR)
Adalah angka yang menggambarkan besarnya peristiwa
kematian individu usia dibawah 1 thn
RUMUS :
IMR = Jumlah kematian bayi usia < 1 dlm 1 tahun X 1000
Jumlah kelahiran hidup pertengahan tahun
PENGUJIAN
HIPOTESISTUJUAN :
MAHASISWA AKAN DAPAT MENJELASKAN
PENGERTIAN DAN JENIS HIPOTESIS, PENGUJIAN
SATU SISI DAN DUA SISI, TEORI KESALAHAN,
LANGKAH-LANGKAH PENGUJIAN HIPOTESIS
145
PENGERTIAN HIPOTESIS
• Hipo = di bawah (lemah)
• Thesis = dalil = kaidah = hukum
• Pernyataan tentang suatu dalil atau kaidah, Yang kebenaranya masih rendah sehingga perlu dibuktikan/diuji dengan menggunakan data emprirk
• Jawaban sementara terhadap permasalahan yang diajukan untuk selanjutnya diuji secara empirik melalui penelitian yg dilakukan.
• Penjelasan sementara yang diajukan
untuk menerangkan fenomena
problematik atau persoalan penelitian
yang dihadapi
• Suatu pernyataan tentang hubungan
(yang diharapkan) antara dua variabel
atau lebih yang memungkinkan untuk
pembuktian secara empirik
CIRI-CIRI HIPOTESIS
Kalimat deklaratif
Mengekspresikan korelasi dua variabel
atau lebih
Merupakan jawaban tentatif (sementara
terhadap permasalahan)
Memungkinkan untuk dibuktikan secara
empirik
SYARAT-SYARAT HIPOTESIS
• Relevance : Sesuai dengan masalah yang akan diteliti
• Testability : Dapat dilakukan pengukuran
• Compatibility : Tidak bertentangan dengan hipotesis
yang sudah pernah ada
• Predictive : memiliki nilai ramal
• Simplicity : Dibuat sesederhana mingkin
JENIS HIPOTESIS
• Hipotesis Kerja (hipotesis alternatif, hipotesis penelitian,
H1)
• Hipotesis Nihil (Ho) : Uji Statistik
• Hipotesis Sebab – Akibat
• Variabel X adalah Berhubungan dengan
Variabel Y
• Variabel X meningkat Jika Variabel Y
meningkat
• Variabel X meningkat dan veriabel Y
menurun
HIPOTESIS KERJA
• Hipotesis yg akan dibuktikan/diuji
kebenarannya dengan penelitian yg
dilakukan
• Apabila…, maka ….
• Ada hubungan antara …. dengan …
• Ada perbedaan antara … dengan …
• Tgtg: (1) rumusan masalah; (2) model
kerangka teoritik yg dikembangkan
ADA 2 JENIS HOPTESIS KERJA Hipotesis satu ekor dan hipotesis dua ekor
Jumlah uban di kepala orang kota lebih banyak daripada uban orang desa (satu arah)
Ada perbedaan jumlah uban di kepala orang kota dibandingkan uban orang desa (2 arah)
Satu ekor arah jelas; Dua ekor belum jelas arahnya Ditentukan oleh seberapa jauh kekuatan landasan teoritik yg
digunakan untuk menyusun hipotesis Mempengaruhi cara pengambilan keputusan statistik pd
analisis hasil.
HIPOTESIS NOL
Ho adalah kebalikan dari hipotesis kerja (H1)
Tidak ada korelasi antara … dengan …
Tidak ada perbedaan antara … dengan …
Hipotesis ini sebenarnya hanya ada dalam alam pikiran peneliti, yg digunakan untuk pembuktian dengan analisis statistik, karena semua analisis statisytik inferensial dikembangkan berdasarkan pada karakteristik hipotesis nihil
TEORI KESALAHAN
• Keputusan terhadap suatu obyek penelitian/populasi
berdasarkan informasi yang berasal dari sample :
keputusan statistic atau Statistic Decision.
• Untuk mencapai keputusan statistic harus membuat
asumsi atau perkiraan terhadap segala kemungkinan
yang akan terjadi pada suatu populasi, dimana
kemungkinan itu dapat betul atau salah dan disebut
sebagai Statistic Hypothesis.
• Untuk keperluan Hipotesis Statistik, kita harus membuat
suatu ketentuan apakah menerima atau menolak suatu
hipotesis.
• Bila tidak ada perbedaan yang bermakna secara statistic
antara parameter sample dengan parameter populasi,
maka disebut sebagai Hipotesis Nol (Ho), sedangkan
bila ada perbedaan disebut sebagai Hipotesis Alternatif
(Ha).
• Bila menolak suatu hipotesis, namun sebenarnya dapat
diterima keadaan ini sebagai kesalahan Alpha (Type I
Error),
• Bila menerima suatu hipotesis namun sebenarnya harus
ditolak keadaan ini disebut kesalahan Beta .
Hipotesis H diterima H ditolak
H Benar Keputusan Benar Type I Error (Alpha)
H Salah Tipe II Error (Beta) Keputusan Benar
HUBUNGAN NILAI ALFA DAN NILAI Z
LEVEL OF SIGNIFICAN (ALFA) 0.10 0.05 0.01
DAERAH KRITIS Z UNTUK TES
SATU EKOR± 1.28 ± 1.645 ± 2.33
DAERAH KRITIS Z UNTUK TES
DUA EKOR± 1.645 ± 1.96 ± 2.58
157
UJI HIPOTESIS
158
PENGANTAR
• PENGUJIAN HIPOTEISIS DAPAT DILAKUKAN
BERGANTUNG PADA :
• ARAH UJI (SATU/DUA PIHAK)
• BESARNYA SAMPEL
• KESALAHAN BAKU DAN PERBEDAAN DUA
POPULASI
• SAMPLER BERPASANGAN ATAU TIDAK
159
UJI CHI-SQUARE (²)
• SYARAT UJI CHI-SQUARE :
• Jumlah Sampel Harus Cukup Besar (n>30)
• Pengamatan harus independen(unpaired)
• Skala nominal/ordinal
• Min 80 % dari sel mempunyai nilai E >5
• Salah satu atau kedua variabel mempunyai kategori >
2(buka tabel 2x2)
160
CHI-SQUARE (²)
• Besarnya Derajat Kebebasan :
Df = (c – 1)(r – 1)
• Kemaknaan pada uji chi-square ditentukan berdasarkan nilai alpha
yang dipilh dan derajat kebebasan.
• Suatu hasil uji dikatakan bermakna apabila nilai ² hitung lebih
besar dibandingkan dengan nilai ² pada tabel(Bergantung pada
nilai alpha dan Degree of Freedom)
• Rumus 7.2 :
• ² = ( O – E )²
• E
Keterangan :
O = Frekuensi Observasi E= Frekuensi nilai harapan (Expected frecuency)
E = Total Baris x Total Kolom
Grand Total
CONTOH :
HUBUNGAN ANTARA SUMBER AIR MINUM DENGAN KEJADIAN
DIARE
DIARE
SUMBER
DIARE (+) DIARE (-) JUMLAH
SUNGAI 49 39 88
SUMUR 6 14 20
PDAM 4 12 16
JUMLAH 59 65 124
162
TABEL DISTRIBUSI CHI-SQUARE(X²)
df
TINGKAT KEMAKNAAN (ALFA)
0.25 0.10 0.05 0.025 0.01 0.005 0.001
1
2
3
4
5
6
7
8
9
10
11
12
1.32
2.77
4.11
5.39
6.63
7.84
9.04
10.22
11.39
12.55
13.70
14.85
2.71
4.61
6.25
7.78
9.24
10.64
12.02
13.36
14.68
15.99
17.28
18.55
3.84
5.99
7.81
9.49
11.07
12.59
14.07
15.52
16.92
18.31
19.68
21.03
5.02
7.38
9.35
11.14
12.83
14.15
16.01
17.53
19.02
20.48
21.92
23.34
6.6
9.2
11.3
13.3
15.1
16.8
18.5
20.1
21.7
23.2
24.7
26.2
7.9
10.6
12.8
14.9
16.7
18.5
20.3
22.0
23.6
25.2
26.8
28.3
10.8
13.8
16.3
18.5
20.5
22.5
24.3
26.1
27.9
29.6
31.3
32.9
163
UJI YATE’S CORRECTION
• Pada df = 1 (tabel 2 x 2) tidak ada nilai E < 5 karena
over estimate sehingga banyak hipotesis yang ditolak
kecuali dengan koreksi dari Yates.
Rumus Yates Correction 7.2 :
² = ( O – E ) – 0,5)² atau
E
² = (Іad– bcІ) – 0,5N)²N
r1r2s1s2
UJI FISHER EXACT :
• TABEL 2 X 2
• n < 20
• 20 <n<40 dan nilai E < 5
• RUMUS :
P =(a+b)!(c+d)!(a+c)!(b+d)!
n!a!b!c!d!
165
COBALAH DIRUMAH ANDA!!!!
• Seorang peneliti ingin mengetahui pengaruh
pendapatan dgn status gizi balita lalu dilih
sampel sebanyak 200 orang dari 3 golongan
pendpatan kelrg, masing-masing pendapatan
tinggi 70 orang, menegah 70 orang dan rendah
60 orang. Ternyata ditemukan sebanyak 90 bayi
memiliki status gizi baik sisanya gizi buruk. Dari
90 orang tersebut 40 berasal dari ekonomi tinggi,
30 ekonomi menegah sisanya ekonomi rendah.
• Buatlah Hipotesisnya
• Uji Hipotesisi tersebut pada alpha = 0.05
• Buat kesimpulan peneltiannya
167