konsep statistik
TRANSCRIPT
PELATIHAN
PENGOLAHAN DAN
ANALISIS DATA
KESEHATAN
AKPER KESDAM IX UDAYANA
DENPASAR-BALI
12-14 AGUSTUS 2010
Agus Riyanto
ISTILAH STATISTIK
Statistik – angka-angka/ data
Statistika – ilmu tentang statistik/ metode statistik
Statistika Kesehatan (Biostatistika) – aplikasi metode statistik utk memecahkan
masalah di bidang kesehatan ‘masyarakat’
PERAN BIOSTATISTIK
Menggambarkan besarnya kejadian/masalah
Monev program - analisis perbandingan
- analisis kecenderungan Mendiagnosis masalah Perencanaan program Alat bantu riset
BIOSTATISTIK SBG ALAT BANTU RISET
1. Alat bantu untuk menghitung sampel, sampel dapat dipertanggung jawab
2. Alat untuk melakukan pengumpulan data secara tepat –uji validitas dan reliabilitas instrumen
3. Alat bantu untuk pengolahan data secara benar
4. Alat bantu analisis data secara tepat seseuai dengan kasusnya
5. Alat bantu untuk melakukan penyajian data yang benar, sehingga data lebih komunikatif
Potret data & informasi saat ini Petugas tdk mengunpulkan data apa yg ada dilapangan, Petugas
tidak terjun kelapangan, hanya dibelakang meja – data tidak akurat
Pengumpul data menggunakan data yg tidak up to date Data yang dikumpulkan tidak relevan dng masalah yg terjadi Data yg dikumpulkan tidak representatif thd populasi Petugas tidak mengetahui cara mengolah, menyajikan,
menganalisis dan menginterpretasi dengan benar Akses data/informasi yang susah dan lambat Pengambil kebijakan dalam pengambilan keputusan tidak
menggunakan data/informasi yg sdh dilaporkan, krn tidak yakin thd keakuratan data dan kebenaran informasi yg dihasilkan
Hukum Finagel
Langkah-langkah statistika
Pengumpulan data
Pengolahan data
Penyajian data
Analisis data, dan Kesimpula
n
Data
Informasi
Informasi mengenai populasi
Estimasi Uji hipotesis
Statistika Inferens
Statistika Deskriptif
Pengumpulan data
Pengolahan data
Penyajian data
Analisis data, dan Kesimpulan
data sampeldata sensus
Metode Statistiksampai pada kesimpulan mengenai populasi
KESALAHAN PENGGUNAAN STATISTIK
Penghitungan dan pengambilan sampel salahPengukuran salah : mis : Eksklusive ?Pengolahan data : memasukkan data salahPenyajian data salah :
- tidak tepat pemilihan grafik- pembuatan tabel/grafik salah- double penyajian
Melakukan analisis data yang salah:- pemilihan uji statistik salah- interpretasi : baca tabel, generalisasi ?
Lingkup Statistik
GeneralisasiPopulasi :
: keseluruhan subjek/unit yang akan diteliti
Sampel: sebagian dari populasi yg diharapkan dpt mewakili/representatif populasi: Bagaimana spy sampel representatif?
- besar sampel cukup memadai- teknik pengambilan sampel benar
Generalisasi --- teori probabilitas
Kesalahan PenelitianDalam penelitian ada 2 kesalahan :a. Sampling Error: Kesalahan penelitian akibat penelitian
menggunakan sampelb. Non Sampling Error: Kesalahan penelitian akibat proses penelitian
yang tidak benar
Rancangan SampelRancangan sampel harus memenuhi 2-kaidah berikut:
1. Valid Mengukur apa yang sebenarnya ingin diukur Tergantung dari cara/metode/teknik mengambil sampel
2. Presisi Mengambarkan ketepatan ukuran yang diperoleh Tergantung dari jumlah/besar sampel
Kesalahan yang sering terjadi adalah Cara/metode pengambilan sampel sering kurang mendapat perhatian dibandingkan jumlah/besar sampel
Keuntungan data berbentuk Sampel
Efisiensi dalam: biaya ,waktu dan tenagaLebih AkuratLebih tajam/dalamPada Kasus tertentu, “tdk merusak data”
BESAR/JUMLAH SAMPELTergantung pada:
1. Jenis penelitian Eksplorasi awal 1 sampel mungkin cukup Generalisasi harus representative
2. Skala-ukur variabel dependen Kategorik/proporsi (Nominal, ordinal) Numerik/rata-2 (interval, ratio)
3. Derajat ketepatan perkiraan yang diinginkan (presisi)
Semakin tinggi ~ semakin besar sample4. Tujuan Penelitian
Estimasi Uji Hipotesis
5. Interval kepercayaan dan Kekuatan Uji6. Teknik pengambilan sampel (SRS atau bukan SRS)
Jumlah sampel hanya bisa dihitung jika ada informasi awal tentang populasi (informasi awal tentang hal apa yang akan diteliti)
Secara garis besar, perhitungan jumlah sampel dibagi menurut tujuan penelitian:1. Estimasi parameter populasi2. Uji hipotesis
Kesalahan yang sering terjadi, selalu menganggap penelitian sebagai estimasi, padahal seharusnya uji hipotesis
Jumlah sampel
Arti data
Data adalah keterangan mengenai suatu hal dari seorang atau kumpulan orang, dalam bentuk angka-angka.
Misal, ketika membahas data seorang responden (mis : pasien), kita dapat membicarakan angka-angka mengenai tinggi badannya, atau berat badan, tekanan darah, kepuasan pelayanan RS, dll.
Syarat Data
Up to date Akurat:
- Reliabilitas: kekonsistensian pengukuran
- Validitas: ketepatan/kecermatan pengukuran
- Objektivitas: persamaan persepsi thd sesuatu yg diukur
Variabel adalah ciri individu yang dipelajari/diukur, yang bentuknya berupa nilai-nilai yang bervariasi.
Misal: berat badan : 60, 71, 73 dst..Sex : pria, wanitaJumlah anak : 2, 4, 10, 5
Nama: Tinggi badan Batasan: Jarak antara ujung
tumit kaki dan puncak kepala Nilai dan satuan: 154, 155, 157,
158, 159, 160, 162, …, dalam Cm. Alat ukur: Meteran tinggi badan
Jenis Variabel menurut sifatnya: 1. Katagorik: hasil pengklasifikasian/penggolonganCiri: isinya berbentuk kata-kataMisal: sex : pria dan wanita
pekerjaan; pns, abri, swastaumur : remaja, dewasa, tua
2. Numerik: variabel hasil pengukuran atau penghitunganCiri : isinya berbentuk angkaMisal: umur: 23, 25. 40 ,25 dst…
tinggi badan : 150, 165, dst……Jumlah anak: 3, 3, 5, 1, dst…
Jenis variabel ?Menurut skala pengukuran :
Nominal; jk, ras
Ordinal; pendidikn
Interval; TD
Rasio; BB
Tampilan di Komputer
Umur didik bb sex umur1 bb145 2 60 1 2 3
34 4 72 1 2 123 1 65 2 1 234 3 56 1 3 4
Dst ……
Umur : numerikDidik : katagorik (koding: 1=SD, 2=SMP, 3=SMU, 4=PT)BB : numerikSex : katagorik (koding: 1=pria, 2=wanita)Umur1: katagorik (koding: 1= <20th (remaja), 2= 20-30 th (dewasa), 3= >30 th (tua))
bb1: katagorik (koding: 1= <60 kg, 2=60-70 kg, 3=70-80 kg, 4= >70kg)
METODE STATISTIK1.PENGUMPULAN DATA
2.PENGOLAHAN DATA
3. ANALISIS DATA
4. PENYAJIAN DATA
Pengumpulan Data
Data Apa Yg Dikumpulkan
Penyakit Kematian Kelahiran Data Demografi Program KB Data Lingkungan dsb
Definisi Operasional Data
1. Jelas
2. Objektif
3. Mudah diukur
Misal data DIARE, apa DO nya?
Sumber Data
1. Kegiatan rutin
- Data yang rutin dilaporkan tiap minggu/bulan
mis : data register pasien, dll
2. Kegiatan non rutin
- survei
Pengumpulan Data• Pengumpulan data merupakan langkah yang amat penting pada
suatu penelitian• Akurasi data bergantung pada:
1. Alat ukur yang digunakan Standard2. Orang yang mengambil data Terlatih3. Situasi wawancara
• Metode pengumpulan data:1. Pengamatan (observasi)2. Wawancara (Terstruktur vs Mendalam)3. Responden mengisi sendiri (Angket/Pos surat) 4. Polling (wawancara telpon & internet)5. Pengukuran
Alat Pengumpulan Data
1. Tipe instrumen– Wawancara– Responden mengisi
sendiri– Cek-list
2. Kelompok sasaran– Ibu/Wanita– Kepala keluarga– Remaja
3. Tipe pertanyaan– Pertanyaan Tertutup
• Satu pilihan (Ya/Tidak)• Pilihan ganda• Skala linkert
– Pertanyaan terbuka
PENGOLAHAN DATA
Tujuan Pengolahan Data
• Terjaminnya keakuratan data : data terhindar dari kesalahan pengumpulan data dan kesalahan entry data
• Menyiapkan data agar mudah dilakukan analisis data
TAHAPAN PENGOLAHAN DATA
A.EditingMemeriksa kelengkapan dan kebenaran isi kuesioner : lakukan kompilasi kalau data berasal dari berbagai sumber, lakukan pengecekan kebenaran data
B.CodingPengubahan jawaban pertanyaan yg berisi huruf kedalam bentuk angka: Misal data pendidikan dikoding: 1=sd 2=smp , dst
C. Processing/Entry dataMemindahkan isi keusioner ke media komputer: data sederhana gunakan Excel, dbase, dll : data komplek gunakan: SPSS, STATA
D. Cleaning data
a. Mengetahui missing
Tabel 1.2 Pekerjaan Pasien
Pekerjaan Jumlah Bekerja Tidak bekerja
130 20
Total 150 Pada jenis pekerjaan tidak ada nilai yang hilang/missing
Tabel1.3 Umur Pasien
umur Jumlah ? 30 tahun > 30 tahun
125 20
Total 150 Pada umur pasien ada missing 5 karena total jumlahnya hanya 145
(seharusnya 150).
Tabel Silang
Tabel 1.8 hubungan pekerjaan dengan penghasilan
Penghasilan Pekerjaan
< 500 ribu 500 ribu-1
juta
> 1 juta
Bekerja
Tidak bekerja
3
3
1
1
4
10*
* = ada 10 responden tidak bekerja tetapi penghasilannya lebih 1 juta
(ada kesalahan entry data)
E. Transformasi Data
Tujuan :
melakukan perubahan variabel menjadi variabel
baru sesuai dg kebutuhan melalui proses :– Mengubah nilai dari suatu var.– Mengelompokkan var ke dlm nilai berbeda.– Mengelompokkan nilai-nilai var ke dlm var.
baru– Mengekstraksi sebagian dari nilai dlm variabel
Proses Transformasi Data
Contoh mengubah nilai dari suatu var.
Dari hasil penimbangan 20 Bayi yang baru dilahirkan diperoleh data Berat Badan bayi (gram) sbb : 2250, 3300, 2450, 2500, 2499, 2550, 2600, 2750, 2525, 2365, 3400, 2625, 2510, 2480, 2725, 2600, 2700, 3000,
3500, 2300 Dalam hal ini nilai BB Bayi akan ubah menjadi suatu variabel yang lebih informatif yaitu BBLR dengan menggunakan standard < 2500 grm
Bayi BBLR =
Bayi tdk BBLR =
5 org
15 org
Pengelompokan variabel Dari hasil penimbangan 20 Bayi yang baru dilahirkan diperoleh gambaran tk pendidikan ibu sbb : SD, MI, TS, SD, SD, TS, SLTP, SLTP, MT, SLTA, SD SLTP, MI, MT, SLTA, MA, TS, MA, D-III, SD
Dari data diatas diperoleh kompilasi sbb : - TS = 3 org - SD/MI = 7 org - SLTP/ MT = 5 org - SLTA/ MA = 4 org - D-III = 1 org
Dikelompokan menjadi variabel baru :-Tk pddkn Rendah = TS + SD/ MI =--Tk pddkn Sedang = SLTP/ MT + SLTA/ MA =-Tk pddkn Tinggi = D-III =
3 + 7 = 10 org 5 + 4 = 9
1
Mengelompokkan nilai-nilai var ke dlm var. baru.
Dari hasil pengamatan terhadap 10 Balita di Desa Ulun Jaya didapatkan informasi data imun. Sbb:
BAYI BCG DPT-3 POLIO-4
CAMPAK HB-3
1 + + + - +
2 + + + + +
3 - + + + -
4 + + - + +
5 + + + + +
6 + - - + +
7 + + + + +
8 - - - - -
9 - - - + -
10 + + + + +
7 7 6 8 7
Dari data imun kemudi-an disusun var. Baru status imun.
Status Lengkap bila bayi telah dapat imun.
BCG,DPT3, Pol-4 HB-3