31/01/2014
1
Introduction to Biostatistics
Widya Rahmawati
Saudara dan teman-teman berencana makan bersama di sebuah restauran
• Saudara diminta mendaftar menu yang dipesan oleh teman-teman dan menyampaikan kepada Pelayan
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
31/01/2014
2
Berikut daftar pesanan makanan teman-teman
Nama Pesanan
Okti Ayam goreng
Fauziah Ayam bakar
Arindra Ikan bakar
Amanda Bebek goreng
Novita Ayam goreng
Ismi Ayam bakar
Yaznia Ikan bakar
Yosi Bebek goreng
Silfia Ayam bakar
Siti Bebek goreng
Nama Pesanan
Nova Ayam bakar
Nindya Ayam bakar
Garnish Bebek goreng
Anisa Ayam bakar
Yani Ikan bakar
Nindy Ayam bakar
Hani Ayam bakar
Elvira Bebek goreng
Tiara Ayam bakar
Fitri Ayam bakar
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
Bagaimana cara Saudara menyampaikan pesanan teman-teman
kepada Pelayan?
• Apakah menyampaikan masing-masing pesanan satu per satu?
TENTU TIDAK
• Saudara dapat menyampaikan kepada pelayan:
– Ayam bakar = 10
– Bebek goreng = 5
– Ikan bakar = 3
– Ayam goreng = 2
Nutrition Biostatistics, Widya R, PS Ilmu Gizi
FKUB, 2013
31/01/2014
3
Keesokan harinya, salah seorang teman yang berhalangan hadir, menanyakan:
“Apa saja menu yang dipesan teman-teman kemarin?”
• Saudara tentu tidak akan menyebutkan pesanan teman-teman satu per satu
• Saudara dapat menjawab: – Separuh dari teman-teman memesan
ayam bakar
– Seperempat memesan bebek goreng
– Hanya sebagian kecil yang memesan ikan bakar dan ayam goreng
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
ayam bakar 50%
bebek goreng
25%
ikan bakar 15%
ayam goreng
10%
Tidak terasa, Saudara sudah menerapkan konsep ilmu Biostatistik!!
31/01/2014
4
Konsep dasar ilmu biostatistik
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
Menerapkan konsep
Biostatistik
Make everythings
simple
Everything will be simple after systematized
Why statistics? (statistika)
• Setiap hari kita menerima berbagai informasi yang menggambarkan berbagai aspek dalam kehidupan
• Data yang masuk ke dalam kepala kita perlu diklasifikasikan, disimpulkan dan disajikan kembali dalam bentuk yang lebih mudah difahami oleh orang lain
• Tanpa sadar, kita sudah menerapkan konsep dasar ilmu statistik
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
31/01/2014
5
Why statistics?
• Statistika (statistics) =
suatu ilmu (bagian dari ilmu matematika) yang mempelajari
- Merancang pengambilan data
- Mengumpulkan data
- Mengklasifikasikan
- Menganalisis
- Menyimpulkan
- Menginterpretasikan dan
- Menyajikan data
guna mendukung keputusan yang diperlukan.
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
Words Concept Example
Populasi Seluruh anggota kelompok yang akan diambil kesimpulan
Seluruh balita (0-5 th) di Kec Klojen Kota Malang
Sampel Sebagian dari anggota kelompok yang terpilih untuk dianalisis
100 balita (0-5 th) di Kec Klojen Kota Malang yang terpilih secara acak dan memenuhi kriteria inklusi
Parameter Pengukuran numerik yang menggambarkan karakteristik populasi
Prosentase gizi kurang pada seluruh balita (0-5 th) di Kec Klojen Kota Malang
Statistik Pengukuran numerik yang menggambarkan karakteristik sampel
Prosentase gizi kurang pada 100 balita (0-5 th) di Kec Klojen Kota Malang yang terpilih secara acak
Variabel Karakteristik atau suatu pembeda yang akan dianalisa menggunakan statistics
Status gizi balita, umur balita, jenis kelamin, pendapatan keluarga
5 Basic words of statistics
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
Iwan Ariawan, 2006
31/01/2014
6
Why do you need to learn it?
• Biostatistika adalah ilmu statistika yang diaplikasikan ke bidang ilmu biologi, termasuk kedokteran, gizi, peternakan, dst
• Berbagai penelitian di bidang gizi menggunakan metode biostatistik untuk menarik kesimpulan yang akurat
• Membaca artikel ilmiah dalam bidang gizi juga memerlukan pemahaman biostatistik
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
of Biostatistics
1. Variabel vs. Konsep
2. Skala Ukur Variabel
3. Statistik deskriptif dan Statistik Inferensial
4. Jenis Hipotesis
5. Jumlah Kelompok, Berpasangan & Tidak Berpasangan
6. Uji Parametrik & Uji Non Parametrik
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
31/01/2014
7
1) Variabel vs. Konsep
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
Variabel Konsep
1) Variabel vs. Konsep
Konsep Variabel
Gizi Balita Status Gizi Balita
Anemia Derajat Anemia, Status Anemia
Pengetahuan Tingkat Pengetahuan
Kolesterol Kadar kolesterol
Konsumsi makanan Tingkat konsumsi makanan
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
31/01/2014
8
2) Skala Ukur Variabel
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
Ratio scale
Interval scale
Ordinal scale
Nominal scale
Add Your Text
Add Your Text
Add Your Text
Add Your Text
M Hanafi, 2011
2) Skala Ukur Variabel • Data Continuous
– Hasil pengukuran
– Peningkatan nilai konsisten
– Nilai nol absolut (rasio)
– Nilai nol tidak absolut (interval)
• Ordinal
– Hasil perhitungan
– Ada tingkatan, tapi kategori antar tingkatan tidak konsisten
• Nominal
– Hasil perhitungan
– Ada perbedaan
– Tidak ada perbedaan tingkatan
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
31/01/2014
9
Data Qualitative / Data Kategorikal / Data Diskrit
SKALA VARIABEL
SIFAT CONTOH
NOMINAL Nama/label Bukan peringkat
Golongan darah Jenis Kelamin Suku Kejadian penyakit
ORDINAL Pringkat dengan interval yang tidak dapat diukur
Derajat penyakit, tingkat sosial ekonomi, status gizi
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
Data Quantitative / Data Kontinyu
SKALA VARIABEL
SIFAT CONTOH
INTERVAL Peringkat yang dapat diukur namun tidak mempunyai nilai 0 (nol) absolut
Suhu, z-score, nilai, skor IQ
RASIO Peringkat dengan interval yang dapat diukur dan mempunyai nilai 0 (nol) absolut
Jarak, berat, panjang/tinggi, umur
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
31/01/2014
10
3) Statistik Deskriptif vs. Statistik Inferensial
• Descriptive statistics
berhubungan dengan perhitungan dan peyajian data.
• Inferential statistics
berhubungan dengan pengambilan kesimpulan dari data yang didapat dari sampel untuk menggambarkan keadaan populasi.
M Hanafi, 2011 Nutrition Biostatistics, Widya R, PS Ilmu Gizi
FKUB, 2013
3) Statistik Deskriptif vs. Statistik Inferensial
Populasi: 100 mhs
Sampel: 25 mhs
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
Statistik Deskripsi: Menghitung, menganalisa, mengambil kesimpulan dan
menyajikan data untuk ke-25 mhs
Diambil data dari 25 mhs
Statistik Inferensial: Menghitung, menganalisa dari 25
mhs, namun kesimpulan diharapkan dapat mewakili
seluruh populasi
31/01/2014
11
4) Jenis Hipotesis
Uji Hipotesis: metode untuk mengetahui hubungan (association) antar variabel, yang bisa dilakukan dengan 2 cara, yaitu secara:
1. Komparatif/Perbandingan (Comparation) Hipotesis Komparatif
Cth pertanyaan penelitian:
- Apakah ada perbedaan status gizi balita yang tinggal di daerah pegunungan dan pesisir pantai?
- Apakah ada perbedaan kadar Hb ibu hamil yang diberi suplemen Fe-folat dan multivitamin-mineral?
2. Korelatif/Hubungan (Correlation) Hipotesis Korelatif
- Apakah ada hubungan antara intake asam folat dan kadar homosistein dalam darah?
- Apakah ada hubungan antara rasio lingkar pinggang lingkar panggul terhadap tekanan darah pada WUS?
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
5) Jumlah Kelompok, berpasangan & tidak berpasangan
• Dua Kelompok Tidak Berpasangan – Mengukur status gizi balita di
daerah pegunungan dan daerah pesisir
• Dua Kelompok Berpasangan – Mengukur status gizi balita
pada saat awal penelitian dan akhir penelitian
• Kelompok Berpasangan karena Matching – Setiap subyek dari kelompok 1
dicarikan pasangan yang match karakternya (sesuai jenis kelamin, umur, dll) untuk kelompok 2
• Kelompok Berpasangan karena desain Cross Over – Melakukan dua intervensi pada
suatu kelompok menggunakan metode cross over. Pada tahap 1, kita memebri intervensi A, dilihat hasilnya. Selanjutnya dilakukan intervensi B, dan dilihat hasilnya
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
31/01/2014
12
6) Uji Parametrik & Non Parametrik
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
PARAMETRIC • hypothesis testing for continues
data
• hasilnya lebih sensitif dan statistical powernya lebih besar
• Kriteria:
– skala data interval- or ratio
– distribusi data normal
– varians data homogen • Analisa dengan menggunakan
nilai/angka yang sesungguhnya
NONPARAMETRIC • hypothesis testing for
categorical data
• hasilnya kurang sensitif dan statistical powernya lebih kecil
• Kriteria:
– skala data nominal or ordinal, or
– skala interval- or ratio, distribusi tidak normal
• Analisa dengan menggunakan rangking, bukan nilai/angka yang sesungguhnya
Data Qualitative / Data Kategorikal / Data Diskrit
SKALA VARIABEL
SIFAT CONTOH PENYAJIAN DATA STATISTIK
NOMINAL Nama/label Bukan peringkat
Golongan darah Jenis Kelamin Suku Kejadian penyakit
Proporsi, persentase Modus Resiko relatif (RR) Tidak dapat dihitung mean (rerata) Tabel Chart
Uji non parametrik: Uji tanda (sign test) Uji Chi square Uji Fischer Korelasi Spearman
ORDINAL Pringkat dengan interval yang tidak dapat diukur
Derajat penyakit, tingkat sosial ekonomi, status gizi
Proporsi, prosentase, median, modus Tidak dapat dihitung rerata Tabel Chart
Uji non parametrik: Uji Chi square Uji Fischer Korelasi Spearman
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
31/01/2014
13
Data Quantitative / Data Kontinyu SKALA VARIABEL
SIFAT CONTOH PENYAJIAN DATA STATISTIK
INTERVAL Peringkat yang dapat diukur namun tidak mempunyai nilai 0 (nol) absolut
Suhu udara, z-score, nilai, skor IQ
Mean, standart deviasi, median Proporsi, presentasi Data dapat di+, di-, dix, di: Semua jenis tabel Semua jenis grafik
Uji Parametrik: Uji t, ANOVA, Korelasi, Regresi
RATIO Peringkat dengan interval yang dapat diukur dan mempunyai nilai 0 (nol) absolut
Jarak, berat, panjang/tinggi, umur
Mean, standart deviasi, median Proporsi, presentasi Data dapat di+, di-, dix, di: Semua jenis tabel Semua jenis grafik
Uji Parametrik: Uji t, ANOVA, Korelasi, Regresi
Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013
Tugas
1. Berikan contoh populasi dan berikan contoh sampel
2. Berikan contoh konsep dan contoh variabel
3. Berikan contoh skala data: 1. Nominal
2. Ordinal
3. Interval
4. Rasio
4. Berikan contoh statistik deskriptif & statistik inferensial
5. Berikan contoh 1. dua kelompok tidak berpasangan
2. dua kelompok berpasangan
(masing-masing 2 contoh)
Nutrition Biostatistics, Widya R, PS Ilmu Gizi
FKUB, 2013