sesi 1,2,3.ppt

58
Pengantar Biostatistik Pengantar Biostatistik A. A. Pendahuluan ( pengertian tahap Pendahuluan ( pengertian tahap statistika, skala, data) statistika, skala, data) B. B. An;isis data ( Analisis Univariabel, An;isis data ( Analisis Univariabel, Statistik deskriptif) Statistik deskriptif) C. C. Penyajian data ( textular , tabular , Penyajian data ( textular , tabular , grafikal) grafikal) 1

Upload: dewi

Post on 07-Nov-2015

264 views

Category:

Documents


3 download

TRANSCRIPT

  • Pengantar BiostatistikPendahuluan ( pengertian tahap statistika, skala, data)

    An;isis data ( Analisis Univariabel, Statistik deskriptif)

    Penyajian data ( textular , tabular , grafikal)*

  • BIOSTATISTIKAPENDAHULUANPengertian biostatistika/statistik kesehatanSejarah perkembangan statistikPeran dan fungsi statistik dalam ilmu kesehatan/kesmasBeberapa konsep dalam statistik

    PENGERTIAN BIOSTATISTIKA/STATISTIK KESEHATANKata statistikLatin,..status.negara

    Kenapa mempelajari statistik

    *

  • Pengertian- pengertianDisiplin ilmumengelola data numerik yang diperoleh dari individu Data kuantitatifbanyak sebabTeknik pengumpulan data.interpretasiKeterangan berbentuk angka (fact in number )Konsep dan metoda yang digunakan mulai mengumpul data. Interpretasi data pada bidang kegiatan tertentu dapat diambil kesimpulan ..dimana ada ketidak pastian dan adanya variasi

    Biostatistik / Statistik kesehatan.*

  • SEJARAH PERKEMBANGAN STATISTIKAbad ke 17. Gambling1749 Marsque De Laplace ,,,,,,,,,,,,,,,,,,,,,,,,, teori peluang1777 - 1853 Karl Friedrich Normal curve of error1822 - 1911 Francis Galton Korelasi - Regresi1857 - 1936 Karl Pearson .. Jurnal Biomertika1900 .. Chi Square (x2)Abad ke 20 William S Gosset . Distribusi t Sir Ronald Fissher Distribusi F

    Komputer*

  • PERAN DAN FUNGSI BIOSTATISTIKSebagai ilmuBerkembang pesatPengumpulan dataInformasi ( berbicara )Penelitian.merancangHasilIlmu-ilmu lainBerkembang

    Statistik (Tools )Contoh:Ilmu sosial: perilaku, status sosial masyarakatIlmu kes: dersjat kes, kesakitan, kematianEkonomi: pertumbuhan ekonomi,perkiraan jumlah penduduk miskin*

  • BEBERAPA KONSEP / ISTILAHStatistika: - deskriptif- inferens ( induktif, analitik )- parametrik- non parametrik

    Populasi: - tak terbatas.. Terbatas, pop target, pop sampel- karakteristik populasi parameterSampel: - random, non random - karakteristik statistik sampel ( statistic )*

  • Stat deskriptif/ Stat InferensPopulasiSampelS. DeskS DeskS InferensParameterStatistic*

  • Variabel - data - skala pengukuranVariabel, sifat, karakteristik yang nilainya bervariasi antar objek pengamatanData datumnilai pengukuran berbentuk angka dari suatu karakteristik

    JENIS DATADiskrit. hasil menghitung bil bulat. Contoh..Kontinuhasil mengukur..rangkaian nilai..contoh..KuantitatifKualitatifSumber intern/ eksternprimer/sekunder( keuntungan dan kerugian)*

  • SKALA PENGUKURAN NOMINAL ORDINAl INTERVAL RATIO

    Persamaan pengamatan ++ + +klasifikasi pengamatandapat dilakukanRangking/ urutan -+ + +Persamaan jarak,satuanpengukuran ada -- + +Perbandingan -- - +*

  • ORGANISASI DATA Tahap- tahap statistikPengumpulan data (data collecting)Pengolahan data ( data processing )Penyajian data ( data presentatioan )Analisis dan interpretasi (analysis & interpretation)

    Tujuan statistik , meringkas data menjadi informasi

    *

  • Pengumpulan dataPrinsip, tujuan, cara

    Data primer: data yang diperoleh dari proses pengumpulan yang dilakukan sendiri langsung dari sumber datanya yaitu subjek yang diteliti,

    Data sekunder: data yang diperoleh dari institusi yang telah mengumpulkan datanya ,jadi tidak langsung ke subjek penelitiannya, *

  • Pengumpulan data MasyarakatSensus..SampelNon Studi (rutin)..Studi ( penelitian)Deskripsi karakteristikIdentifikasi MasalahVariabel terbatasVar sesuai masalahAspek non hubunganHub dpt dicariCara Observasional, EksperimentalWaktu..amat penting (studi) mahal, informasi harus up to date

    *

  • Pengolahan dataRaw data.EditingCodingEntryCleanning*

  • Pengolahan dataInputProsesOut put

    Raw dataManualInformasiEDPTabelGrafikS. Num

    *

  • Penyajian DataNarasi / TekstularTabel / TabularGrafik / Grafikal / Gambar*

  • Analisis DataAnalisis Univariabel (univariate)

    Analisis Bivariate

    Analisis Multi variate*

  • Simpulam numerik/Analisis UnivariabelData Numerik, berasal dari pengukuran memakai skala interval dan ratioData KategorikBerasal dari pengukuran memakai skala nominal dan ordinal.

    *

  • Data kategorikContoh: hasil pengukuran golongan darah sekelompok orang didapatkanGol darah O35 orang( 35% ) Gol darah A25 orang( 25% )Gol darah B.29 orang( 29 % )Gol darah AB..11 orang ( 11 % )

    Jadi ditemui paling banyak gol darah O yaitu 35%........dst

    *

  • Data NumerikKarena data ini berasal dari skala yang rangkingnya tinggi maka banyak informasi yang didapatkan dari meng analisais nya yi:Nilai tengah ( Central Tendency ) t/d mean (arythmatic mean ), Median, ModusNilai Posisi t/d Median, Kuartil, Desil, PresentilNilai Varias/ deviasi t/d Range, inter kuatil range, Mean deviasi, Varian, Standar deviasi

    *

  • Mean (Arythmatic mean)Simbol x ( x bar)Paling banyak dipakai dlm analisisMudah dihitung yi jumlah semua nilai observasi dibagi jumlah observasi

    Contoh:observasi: x1 x2 x3,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,xnNilai Tengah (Mean)*

  • Nilai Tengah ( Median )Median:Adalah nilai observasi yang paling ditengahSyaratnya setelah nilai raw data di arrayPosisi median (n+1) /2Nilai median adalah nilai observasi pada posisi tersebutSimbol Md atau MeContoh :*

  • Nilai Tengah ( Modus = Mode )Modus (Mode):Adalah nilai yang paling banyak ditemui dalam suatu agregate (observasi)Didalam suatu observasi karena mode adalah yang terbanyak maka dapat saja terjadi, tidak ada modus, hanya satu modus atau lebih dari satu modus.Contoh: *

  • Hubungan Mean, Median , ModusUntuk pengamatan yang cukup besar dan satu Modus maka kurva yang dibentuk:1) kurva symetrisX = Md = Mo*

  • Hub Mean- Md - MoKurva Skewed to the left, menceng ke kiri,adanya nilai ektrim kecilMoX- - - - - - - - -Md*

  • Hub Mean Md - MoKurva skewed to the right= menceng ke kanan: adanya nilai ekstrim besar

    MoX- - - - - - - - - - Md*

  • Nilai PosisiMedian.. Posisi tengahKuartil ..nilai yang membagi empat agregate, ,,,,, K1. K2. K3Desil.nilai yang membagi agregate menjadi 10 bagian..D1, D2D9Presentil..nilai yang membagi agregate menjadi 100 bagian. P1 , P2..P99*

  • Nilai posisiMd,Kuartil, Desil, PersentilMdK2D5P 50K1K3P 25P 75*

  • Nilai variasiRange:Adalah perbedaan antara nilai terbesar dengan terkecilR= ( max min ) /2(max min )Inter Kuartil RangePerbedaan antara K1 dengan K3IKR= IQR = (K3-K1)/2.(K3-K1)*

  • Nilai VariasiMean Deviation ( Mdev )Adalah rata-rata perbedaan antara nilai observasi dengan meanRumus

    Contoh1 5 6 7 8 9 mean = 6

    Jarang dipakai kerena nilai mutlakX = 6Xd = 12/6= 2*

    xIx-xI=d156789510123

  • Nilai variasiVarianRata-rata kuadrat perbedaan antara observasi dengan meanRumus:

    (n-1) koreksi Fisher Wilks..degree of fredomContoh*

  • VarianKalau satuannya cm..cm2 kgkg2*

    x( x-x )(x-x)2156789

    X=6-5-10123

    =02510149

    =40

  • Nilai variasiStandar deviasiAkar dari varianRumus

    Contohdiatas maka S= V8= 2,8 (cm a kg )

    Varian dan Standar deviasi banyak dipakai dalam analisis statistik *

  • COV (Coeffisien Of Variation)Adalah nilai Standar deviasi dibagi mean x 100% COV= S/Xx 100%Membandingkan variasi antara dua atau lebih agregate yang ukurannya berbeda atau gradasinya berbedaContoh : dari suatu pengukuran didapatkan rata TB= 162 cm dan S= 15 cm. Berat badan rata-rata 58 kg dan S= 8 kg..manakah yang lebih bervariasi TB atau BB ?*

  • COVJawab:COV TB= 15/162 x100%= 9,3 %COV BB= 8/58 x100% = 13,8 %Dari hasil COV terlihat bahwa walaupun S TB 15cm dan S BB 8 kg ternyata COV BB lebih besar dari COV TB , Jadi dapat disimpulkan BB lebih bervariasi.*

  • Penyajian DataPenyajian data dapat berupa:1) Narasi ( tekstular) adalah penyajian dalam bentuk tulisan . Biasanya narasi ini dipakai dalam menyajikan informasi yang didapat dari penyajian tabel maupun gambar*

  • Penyajian data ( Tabel)Tabel adalah penyajian data dalam bentuk kolom dan baris Bagian-bagian tabelBody tabelBox headStubbJumlah ( total baris maupun total kolom

    *

  • Dummy tabel*

    Box headTotstubb

    BodytotTot kolomGrandtot

  • Tabel:Bagian tabel ini dilengkapi:Judul (menjawab what, where, when)Nomer tabelKeterangan ( Foot Note= catatan kaki)Sumber, kalau tabel itu tabel kutipanKegunaan masing-masingAgar mudah dirujuk Keterangan , agar didapat keterangan yang lengkapSumber, agar jangan dianggap plagiat dan memudahkan untuk merujuk kembali

    *

  • Jenis tabelTabel induk (master tabelTabel textTabel ditribusi frekuensiTabel distribusi relatifTabel distribusi kumulatifTabel silangContoh:

    *

  • Tabel:1 Distribusi berat badan 160 orang Mhs FKM UI Th 2010*

    BBFrekF Relatif(%)F kum less then(%)Fkum more then(%)41-4546-5051-5556-6061-6566-7071-754163456321352,51021,335208,13.12,512,533,868,888,896,910010097,587,566,231,211,13,1Total160100

  • Tabel:2 Jumlah donor menurut gol darah bulan Juli 2010 di PMI Jak-pusSumber: PMI Jak-Pus*

    Gol DarahJumlahOABAB

    Total15610210488

    450

  • Tabel:3 Distribusi 150 pasien RSCM menurut pendidikan dan pengetahuan terhadap HIV/AIDs Th 2010Sumber: Evaluasi RSCM 2010*

    PengetPendidikanBaikSedangKurangTinggi

    Menengah

    Rendah20

    15

    2010

    25

    255

    10

    20

  • Penyajian data dengan GrafikSeperti tabel, gambarpun perlu dilengkapi denganJudul (menjawab What, Where, When)NomerKeterangan (key)Sumber (kalau gambar tersebut kutipan)

    *

  • GambarBerbeda dengan tabel, gambar sudah ditentukan peruntukannya sesuai jenis dataData numerik:Histogram, Frek poligon, Ogive, Stem & leaf, Box plot, Scatter diagramData kategorik:Bar , Single bar, multiple, subdividedPareto chartPieLine diagramPictogramMapgram*

  • Gambar:1 Distr BB Mhs FKM th 2010(histogram40506070809010203040jmlKg*

  • Gambar:2 (Frek Poligone) Distr BB Mhs FKM th 2010*

  • OgiveLess thenMore thenMdPosisi MdNilai MdXY*

  • Stem & leaf4044555677899 115000022445677889 1460011122333444666778899 2170001122233355 1280022334 6900045 4BatangDaunFrek*

  • Box & plotBox PlotKuartil2= MedianBatas atasK3K1Batas bawah*

  • Scatter DiagramScatter

    ++++++++++TBBB*

  • Bar diagram/single barJumlah akseptor baru di Psk X triwulan I, II & III th 2010Trwl ITrwl IITrwl III1020304050453552*

  • Multiple barJumlah Akseptor Baru di tiga Wilayah Jakarta th 2010Key*

  • Sub divided bar*

  • Pareto ChartJumlah Kematian dan 3penyebab di RS X th 2004*

  • Pie Diagram*

  • Line diagramJumlah HIV AIDs dan H5N1 di Jakarta th 2006-201020062007200820092010jmlHIV AIDsH5N1*

  • Pictogram jumlah PJK thn 2008 2010Tahun 2008:Tahun 2009:Tahun 2010:Keterangan:

    = 10 kasus*

  • Map gramDHFH5N1*