LBM 4 MP REZTRY

STEP 1
1. Biostatistik : penerapan ilmu statistik dalam ilmu biologi dan medis.
Contohnya : farmakologi
2. Statistik deskriptif : digunakan unutk menggambarkan suatu hasil
penelitian tapi tidak digunakan untuk membuat kesimpulan yg lebih luas.
3. Statistik inferensial : untuk menggambarkan hasil penelitian serta untuk
menggeneralisasikan.
4. Uji parametrik : digunakan untuk menganalisa data yg berskala interval
atau rasio dengan syarat normalitas dan homogenitas terpenuhi.
5. Uji non parametrik : untuk menganalisa data yg bersifat nominal dan
ordinal tetapi distribusinya tidak normal.
STEP 2
1. Apa peranan biostatistik dalam penelitian?
2. Apa saja macam-macam statistik? (parametrik dan non parametrik juga)
3. Apa syarat untuk menguji parametrik dan non parametrik?
4. Apa keuntungan dan kerugian dari uji parametrik dan non parametrik?
5. Apa kesalahan2 dari uji statistik?
6. Apa tujuan dan fungsi dari statistik inferensial dan deskriptif?
7. Apa hubungan antara uji statistik dengan penelitian ilmiah?
8. Apa saja faktor2 yang mempengaruhi kekuatan uji statistik?
9. apa peranan statistik dalam penelitian?
10.Bagaimana cara memilih dan melakukan uji statistik?
11.Seorang penenliti harus tahu biostatistik apa saja?
12.Apa itu s.deskriptif? dan bagaimana ia menggambarkan data? Ukuran
tendensi pusat dalam s.deskriptif? apa itu sebaran data?
13.Apa itu s.inferensial? wujud kesimpulannya bagaimana? Apa saja yg
mempengaruhi kekuatan uji nya? Langkahnya bagaimana (analisis
s.inferensial?
14.Beda s. Parametrik dan non parametrik?
15.Populasi distribusi normal?
16.Bagaimana cara menentukan normalitas dan homogenitas?
17.Tingkat pengukuran skala interval dan rasio?
18.Yang harus diperhatikan dalam memilih uji statistik?
19.Asumsi apa yang harus dipenuhi pada metode parametrik?
20.Uji 2 sample berpasangan itu bagaimana?
21.Uji 2 sample bebas?
22.Uji 3 sample atau lebih?
23.Uji asosiasi 2 sample?
24.Uji korelasi regresi?

STEP 7
1. Apa peranan biostatistik dalam penelitian?
Fungsi biostatistik

Memecahkan

masalah2

penelitian

yang

berkaitan

dengan

kehidupan melalui pengumpulan, pengolahan dan penyajian

analisis
Untuk menganalisis sampel yang diambil dari suatu populasi
Contoh: homogenitas sampel
Menguji validitas dan reliabilitas instrument penelitian
Menguji hipotesis
Statistika untuk Penelitian, Prof. DR. Sugiyono

2. Apa saja macam-macam statistik? (parametrik dan non parametrik juga)

Statistik Deskriptif, yaitu statistik yang digunakan untuk

menggambarkan atau menganalisis suatu statistik hasil penelitian,
tetapi tidak digunakan untuk membuat kesimpulan yang lebih luas
(Generalisasi / Inferensiasi). Penelitian yang tidak menggunakan
sampel, analisisnya akan menggunakan statistik deskriptif..
demikian juga penelitian yang menggunakan sampel, tetapi peneliti
tidak bermaksud untuk membuat kesimpulan untuk populasi
darimana sampel diambil, maka statistik yang digunakan adalah
stasistik deskriptif. Dalam hal ini teknik Korelasi dan Regresi juga
dapat berperan sebagai Statistik Deskriptif.
Statistik Inferensial, yaitu statistik yang digunakan untuk
menganalisis data atau sampel, dan hasilnya akan digeneralisasikan
(diinferensiasikan) untuk populasi dimana sampel diambil. Terdapat
2 macam statistik Inferensial, yaitu :
- Statistik Parametris, yaitu statistik yang digunakan untuk
menganalisis data interval atau rasio, yang diambil dari
populasi yang berdistribusi normal.
- Statistik Non-Parametris, yaitu statistik yang digunakan untuk
menganalisis data nominal, dan ordinal dari populasi yang
bebas distribusi
Jadi tidak harus normal. Dalam hal ini teknik Korelasi dan Regresi
dapat berperan sebagai Statistik Inferensial.

(Statistik Untuk Penelitian, Prof. Dr Sugiyono, 2005, Bandung : CV.

Alfa Beta)
A. Statistik Deskriptif
Statistik deskriptif bertujuan untuk menggambarkan berbagai
karakteristik data seperti mean, median, modus
B. Statistik Inferensial

Statistik inferensial bertujuan untuk menguji hipotesis yang

dapat dikelompokkan lagi menjadi 2 yaitu:
Statistik Parametrik
Penggunaan statistik parametrik ini harus disertai pada data
harus berdistribusi normal, jumlah sampel terhitung harus
sama atau lebih besar dari 30. Untuk keperluan analisis
parametrik maka statistik parametrik dibagi menjadi:
Uji perbedaan
Disini akan di uji apakah sebuah sampel mempunyai
perbedaan nyata dengan sampel yang lain. Uji yang
digunakan adalah independent sample T test, paired
sample T test, one sample T test.
Uji Asosiasi
Di sini akan diuji apakah dua variabel yang ada mempunyai
hubungan atau tidak. Uji yang digunakan adalah korelasi,
regresi, Crosstab.
Analisis Multivariate
Di sini jumlah vaiabel banyak dan tujuan pengujian adalah
mencoba

mengetahui

struktur

data

yang

ada

pada

variabel-variabel tersebut. Uji yang digunakan adalah

Analisis Diskriminan, Analisis faktor.
Statistik Non Parametrik
Penggunaan statistik non parametrik ini digunakan pada
kondisi-kondisi

penelitian

tertentu.

Kondisi

yang

sering

dijumpai antara lain data pada sampel tidak terdistribusi

normal, jumlah sampel yang kecil (kurang dari 30), cenderung
lebih

sederhana

sehingga

kesimpulannya

kadang

diragukan.Yang termasuk uji non parametrik adalah Uji Sign,

Uji Mann Whitney, uji Friedman, uji Kruskal Wallis H akan
dibahas lebih lanjut pada bab selanjutnya.
Tommi Poltak Mario, V. Wiratna Sujarweni. SPSS untuk
Paramedis. Sleman. Penerbit Ardana Media. 2006

No
.
1

Skala

Penggunaan

Nama Uji

Keterangan

Nomin
al

Uji beda satu

kelompok

Binominal

Nomin
al

Uji beda satu

kelompok
Uji beda 2
kelompok
mandiri
Uji beda 3
kelompok
mandiri
Uji beda 2
kelompok
berpasangan
Uji beda 2
kelompok
mandiri

Chi
Square

Bisa dipakai bila uji

McNemar dan Chi
Square 2x2 tidak bisa
dilakukan
Penggunaannya luas.
Bisa dipakai sebagai
pengganti
uji
nonparametrik
lain
untuk skala ordinal

Uji beda 3
kelompok
atau lebih
yang

Cochran
(Q-test)

Nomin
al

Nomin
al

Nomin
al

4
5

McNemar

Fisher
Exact
Probabilit
y Test

Dapat
digunakan
untuk sampel skala
ordinal.
Efektif untuk sampel
kecil (n<20)
Hanya bisa untuk
menguji data pada
tabel kontingensi 2x2
Hanya
digunakan
untuk
data
yang
dikotomi saja (data
ya atau tidak)

Ordinal

Ordinal

Ordinal

Ordinal

Ordinal

10

Ordinal

Ordinal

Interva
l atau
Rasio
Interva
l atau
Rasio
Interva
l atau
Rasio
Interva

11

12

13

14

15
16

berpasangan
Uji beda 2
kelompok
mandiri
Uji beda 1
kelompok
(Goodness of
Fit)
Uji beda 2
kelompok
mandiri
Uji Goodness
of Fit
Uji 2
kelompok
berpasangan
Uji beda 2
kelompok
berpasangan
Uji 2
kelompok
mandiri
Uji 3
kelompok
atau lebih
yang mandiri
Uji 3
kelompok
atau lebih
yang
berpasangan
Uji 3
kelompok
atau lebih
yang mandiri
Uji 2
kelompok
mandiri
Uji 2
kelompok
mandiri
Uji 2
kelompok
berpasangan
Uji 2

MannWhitney
Kolmonog
orovSmirnov

Wilcoxon

Sign test

Median
test

Digunakan
secara
luas
di
praktek
sehari-hari
Amat
baik
untuk
membandingkan
distribusi kelompok,
median. Dispersi dan
skewness

Bisa dipakai untuk

data berskala interval
berpasangan (bila uji
parametrik tidak bisa
digunakan,
karena
sampel kecil)
Makin
efektif
bila
jumlah
pasangan
makin kecil (n<25)
Dapat
digunakan
untuk data interval
sampel kecil

Analisis
Varians
Friedman
(Friedman
Analysis
of
Varians)
KruskalWallis

Cukup baik untuk

jumlah subjek kecil

Moses

Dapat menguji variasi

data

WaldWolfowitz

Efektif untuk menguji

rata-rata 2 sampel

Walsh
test

Tidak
bisa
untuk
sampel besar (n>15)

Randomis

Tidak bisa menguji 3

Dapat untuk data

interval sampel kecil

l atau
Rasio

kelompok
asi
kelompok lebih yang
berpasangan
mandiri
, sampel
kecil
Uji 2
kelompok
mandiri
dengan
sampel kecil
Uji 2
kelompok
mandiri
dengan
sampel besar
Panduan Penelitian, Dr. B. Sandjaja, MSPH dan Albertus
Heriyanto, M. Hum
3. Apa syarat untuk menguji parametrik dan non parametrik?
Parametrik
Jumlah sampel cukup besar untuk dapat diproses
Sample diambil secara acak
Sampel tersebut berdistribusi normal
Bila ingin melakukan uji beda, kedua sampel harus memiliki
varian yang sama
Data yang berskala interval atau rasio
Non Parametrik
Sampel kecil
Berskala nominal atau ordinal
Berskala interval atau rasio, bilamana sampel yang berskala
tersebut tidak memenuhi syarat uji parametrik
Panduan Penelitian, Dr. B. Sandjaja, MSPH

Uji homogenitas dan normalitas?

Standar deviasi adalah penyebaran nilai suatu data terhadap mean-nya

Statistika untuk Kedokteran dan Kesehatan, Seri Evidence Based
Medicine, dr. M. Sopiyudin Dahlan
Distribusi normal merupakan satu-satunya distribusi probabilitas dengan
variable random continue dan mempunyai peran yg sngat penting dlm
statistika krn:
Distribusi normal memiliki beberapa sifat yg memungkinkan untuk
dipergunakan sbg pedoman dlm menarik kesimpulan berdasarkan hasil
sampel.
Meskipun distribusi normal merupakan distribusi teoritis tetapi sangat
sesuai dgn disribusi empiris shg dikatakan bhwa semua peristiwa secara
alami akan membentuk distribusi ini oleh karena itu distribusi ini sering
dikenal dgn distribusi normal
Biostatistika Untuk Kedokteran Dan Kesehatan Masyarakat Dr.
Eko Budiarto
UJI NORMALITAS:
Uji
normalitas
berguna

untuk

menentukan

data

yang

telah

dikumpulkanberdistribusi normal atau diambil dari populasi normalUji

statistik normalitas yang dapat digunakan diantaranya :- Chi-SquareKolmogorov Smirnov,- Lilliefors- Shapiro Wilk.
UJI HOMOGENITAS:
Langkah-langkah menghitung uji homogenitas:
Mencari Varians/Standar deviasi Variabel X danY, dengan rumus:

 Mencari F hitung dengan dari varians X danY, dengan rumus:

Membandingkan F hitung dengan F tabel pada tabel distribusi F,

denganuntuk varians terbesar adalah dk pembilang n-1untuk varians
terkecil adalah dk penyebut n-1JikaFhitung < Ftabel, berarti homogen.

Jika F hitung > F tabel, berarti tidak homogen.

Uji Normalitas oleh dr. Ratu Ilma Indra Putri
Normalitas
Sering kali kita mendengar bahwa dalam uji statistik, data yang kita miliki
harus diuji normalitasnya terlebih dahulu untuk menentukan alat uji yang
dapat kita gunakan. Jika data yang kita miliki berdistribusi normal, maka
kita dapat menggunakan uji parametrik, jika tidak maka kita harus
menggunakan uji non parametrik. Demikian pula ketika kita menggunakan
alat uji regresi, beberapa sumber menyatakan bahwa data harus
berdistribusi normal.
Normalitas pada uji beda.
Sebenarnya, uji beda seperti uji t, mensyaratkan bahwa sampel
yang kita miliki berasal dari populasi yang berdistribusi normal. Jika kita
dapat meyakini bahwa sampel yang kita miliki memang berasal dari
populasi yang berdistribusi normal, maka kita dapat menggunakan uji
parametrik. Bagaimana kita bisa mengetahui bahwa sampel kita berasal
dari populasi yang berdistribusi normal?
Kita lihat kembali pada poin pertama di atas. Jika kita melakukan
penyampelan dengan distribusi yang normal, maka kita akan memiliki
sampel yang mendekati karakteristik populasi. Dengan demikian, jika
sampel yang kita miliki berdistribusi normal, maka kemungkinan besar
populasi asal sampel pun akan memiliki distribusi yang normal. Dengan
demikian, syarat bahwa sampel harus berasal dari populasi yang
berdisribusi normal terpenuhi, dan uji parametrik pun dapat kita gunakan.

Normalitas pada Regresi

Model regresi yang baik ditandai dengan nilai residual yang random.
Sesuatu yang random, biasanya ditandai dengan distribusi yang normal,
dengan demikian, model regresi yang baik, ditandai dengan nilai error
term (residual) yang berdistribusi normal.

Nilai error term yang random sebenarnya menggambarkan bahwa model

regresi yang digunakan untuk melakukan estimasi, terbebas dari adanya
pengaruh variabel lain yang kuat namun tidak masuk dalam model.
Dengan demikian, hasil estimasi dari model regresi kita tidak akan
menyesatkan.(Statistika untuk Penelitian,dr.Sugiyono)

4. Apa keuntungan dan kerugian dari uji non parametrik

terhadap parametrik?

Kelebihan dan kekurangan statistic non parametric dibanding

statistic parametric
Keuntungan:
a. Tidak membutuhkan asumsi tentang normalitas distribusi populasi
seperti pada statistic parametric
b. Lebih mudah dikerjakan dan lebih mudah dimengerti karena tidak
membutuhkan perhitungan matematik yang rumit seperti satistik
parametric
c. Dapat menggantikan data numeric dengan jenjang
d. Tidak di butuhkan urutan atau jenjang secara formal karena sering di
jumpai hasil pengamatan yang dinyatakan dalam data kualitatif
e. Pengujian hipotesisnya dilakukan secara langsung pada pengamatan
f.

yang nyata.
Tidak terikat pada distribusi normal populasi tetapi dapat digunakan

pada populasi berdistribusi normal

Kerugian:
a. Tidak adanya sistematika
b. Hasilnya bisa meragukan jarena kesederhanaan metodenya
Pokok2 materi statistik 29 statistik inferensi oleh Ir. M. Iqbal
Hasan
Kelebihan
Non Parametrik
1. Asumsi yang digunakan min.
sehingga mengurangi kesalahan
penggunaan
2. Penghitungan dpt dilakukan dg
cepat dan mudah
3. Konsep dan metode mudah
dipahami
4. Dpt diterapkan pada skala
nominal dan ordinal
Parametrik
1. Syarat2 parameter populasi
yang menjadi sample biasanya
tidak diuji dan dianggap
memenuhi syarat, pengukuran
data kuat
2. Observasi bebas (double blind?)
satu sama lain (sample dan
dokternya tidak tahu variable
bebasnya) dan ditarik dari

kekurangan
Non parametric
1. Menyebabkan pemborosan
informasi
2. Banyak hitung2, sehingga
menjemukan
Parametrik
1. Populasi harus memiliki varian
yg sama
2. Variable2 yang diteliti harus dpt
diukur setidaknya dlm skala
interval

populasi yg berdistribusi normal

dan varian yang homogeny

5. Apa kesalahan2 dari uji statistik?

1. kesalahan tipe 1 adalah suatu kesalahan bila menolak hipotesis nol
(Ho) yang benar (seharusnya diterima).Dalam hal ini tingkat
dinyatakan dengan ()
2. kesalahan tipe 2 adalah kesalahan bila menerima hipotesis yang salah
(seharusnya ditolak).tingkat kesalahan untuk ini dinyatakan dengan ()
Keputusan
Terima hipotesis
Tolak hipotesis

Keadaan sebenarnya
Hipotesis benar
Hipotesis salah
Tidak membuat
Kesalahan tipe 2
kesalahan
Kesalahan tipe 1
Tidak membuat
kesalahan

Dari table tersebut diatas dapat dijelaskan sbb :

1. Keputusan menerima hipotesis nol yg benar,berarti tidak membuat
kesalahan
2. Keputusan menerima hipotesis nol yg salah berarti terjadi kesalahan
tipe II
3. Membuat keputusan menolak hipotesis nol yang benar berarti terjadi
kesalahan tipe I
4. Keputusan menolak hipotesis nol yg salah berarti tdk membuat
kesalahan
(Statistik Untuk Penelitian Prof.DR.Sugiono)
Apabila kedua jenis kesalahan tsb dinyatakan dalam bentuk probabilitas
didapatkan hal-hal sbb:

Kesalahan tipe I disebut kesalahan yang dalam bentuk

penggunaanya disebut sbg taraf yang nyata atau taraf signifikan.1
disebut sbg tingkat keyakinan , karena dengan itu kita yakin
bahwa kesimpulan yang kita buat adalah benar sebesar 1 .
Kesalahan tipe II disebut kesalahan yang dalam bentuk
penggunaanya disebut sbg fungsi ciri operasi , disingkat CO , 1
disebut sbg kausa pengujian karena memperlihatkan kuasa
terhadap pengujian yang dilakukan untuk menolak hipotesis yang
seharusnya ditolak.

(Pokok-pokok Materi Statistik, Statistik Inferensi Oleh Ir. M. Iqbal

Hasan)

6. Apa tujuan dan fungsi dari statistik inferensial dan

deskriptif?
FUNGSI

a. Alat untuk menghitung besarnya anggota sample yang

diambil dari suatu populasi. Dengan demikian jumlah sampel
yang diperlukan lebih dapat dipertanggungjawabkan.
b. Alat untuk menguji validitas dan reliabilitas instrumen.
Sebelum instrumen digunakan untuk penelitian, maka harus diuji
validitas dan reabilitasnya terlebih dahulu.
c. Teknik-teknik untuk menyajikan data, sehingga data lebih
komunikatif. Teknik-teknik penyajian data ini antara lain; tabel,
grafik, diagram lingkaran, dan pictogram.
d. Alat untuk menganalisis data seperti menguji hipotesis
penelitian yang diajukan. Dalam hal ini statistik yang digunakan
antara lain; korelasi, regresi, t-test, anova,dll.
(Sugiyono, 2005, Statistika untuk Penelitian, Alfabeta, Bandung)

7. Apa saja faktor2 yang mempengaruhi kekuatan uji statistik?

8.
1. Besar sampel. Makin
besar sampelnya, makin kuat
inferensinya (generalisasi).
Dengan perkataan lain,
kenyataan bahwa sampel
tersebut terdiri dari 100
penderita harus ikut
dipertimbangkan bila
membuat inferensi ; juga,
hasil yang didapat pada 100
penderita harus memberikan
inferensi yang lebih terandal
dari pada hasil yang sama,
misalnya pada 10 penderita.
2. Variabilitas. Dari hasil
yang sedang diteliti. Makin
kurang variabilitasnya, makin
kuat
inferensinya.
Suatu
variasi yang kecil dalam hal
hidup
terus
dari
satu
penderita ke penderita lain
yang menunjukkan suatu hasil
yang tetap sama, yang dapat
ditimbulkan lagi dengan hasil
yang sama. Dengan demikian,
makin kecil variasinya, makin

banyak
kepastian
yang
dimiliki seseorang tentang
hasil-hasil yang diamati pada
sampel. Variabilitas dari hidup
terus ditunjukkan dari SD
(Standart deviation)
sama
dengan 43,3 bulan yang
didasarkan atas pengalaman
sebelumnya,
dan,
dengan
sendirinya,SD
ini
harus
menurut suatu cara tertentu
masuk ke dalam proses dari
menarik inferensi.
3.
Representativitas
sampel. Dipengaruhi oleh
teknik sampling dan ukuran
atau besar sampel. Makin
tinggi
tingkat
representativitas
sampel
makin tinggi kekuatan ujinya.
(Colton,Theodore.Statistik
aKedokteran. Gadjah
9. apa peranan statistik dalam penelitian?

a. Alat untuk menghitung besarnya anggota sample yang diambil dari

suatu populasi. Dengan demikian jumlah sampel yang diperlukan lebih
dapat dipertanggungjawabkan.
b. Alat untuk menguji validitas dan reabilitas instrumen. Sebelum
instrumen digunakan untuk penelitian, maka harus diuji validitas dan
reabilitasnya terlebih dahulu.
c. Teknik-teknik untuk menyajikan data, sehingga data lebih komunikatif.
Teknik-teknik penyajian data ini antara lain; tabel, grafik, diagram
lingkaran, dan pictogram.
d. Alat untuk menganalisis data seperti menguji hipotesis penelitian yang
diajukan. Dalam hal ini statistik yang digunakan antara lain; korelasi,
regresi, t-test, anova,dll.
Statistika untuk Penelitian, Prof. DR. Sugiyono
a. Berperan dalam pengujian hipotesis
b. Penyusunan model teoritis
c. Pengembangan alat pengambilan data
d. Penyusunan rancangan penelitian
e. Penentuan sampel penelitian

f. Pengolahan dan analisis data

Prof. DR. H. Abdurrahmat Fathoni, M. Si. Metodologi Penelitian
dan Tehnik Penyusunan Skripsi. Rineka Cipta

10.

Bagaimana cara memilih dan melakukan uji statistik?

Langkah-langkah :
a. Tentukan uji yang dikehendaki (korelasi/perbedaan)
b. Tentukan cara memperoleh sampel (probability/non probability)
c. Tentukan tingkat variable tergantung yang akan di analisis dan
bagaimana time ordery
d. Menentukan berapa jumlah kelompok yang akan diobservasi kalau 2/>
apakah sampel berhubungan atau tidak
e. Menentukan adakah pengamatan ulang terhadap suatu variable atau
tidak
f. Apakah pada uji yang dikehendaki dilakukan uji pengendalian terhadap
variable tertentu
Syarat-syarat yang perlu diperhatikan untuk menentukan statistik apa
yang akan digunakan dalam analisis, yaitu:
1. Apakah distribusi data diketahui?
Jika distribusi data tidak diketahui maka statistik yang sesuai adalah
statistik nonparametrik. Jika distribusi data diketahui, maka kita harus
melihat jenis distribusi data tersebut.
2. Apakah data berdistibusi normal?
Jika data tidak berdistribusi normal, maka statistik yang sesuai adalah
statistik nonparametrik. Jika data berdistribusi normal, maka statistik yang
sesuai adalah statistik parametrik.

3. Apakah sampel ditarik secara random?

Jika sampel tidak ditarik secara random, maka statistik yang sesuai adalah
statistik nonparametrik. Jika sampel ditarik secara random, maka statistik
yang sesuai adalah statistik parametrik.
4. Apakah varians kelompok sama?
Jika varians kelompok tidak sama, maka statistik yang sesuai adalah
statistik nonparametrik. Jika varians kelompok sama, maka statistik yang
sesuai adalah statistik parametrik.

5. Bagaimana jenis skala pengukuran data?

Jika skala pengukuran data nominal dan ordinal, maka statistik yang
sesuai adalah statistik nonparametrik. Jika skala pengukuran data interval
dan rasio, maka statistik yang sesuai adalah statistik parametrik

http://usupress.usu.ac.id/files/Statistik%20Nonparametrik
%20%20Final%20Perbaikan_bab%201.pdf
11.
Seorang penenliti harus memiliki kompetensi
biostatistik apa saja?
Kemampuan peneliti untuk memilih uji statistik yang paling tepat
sesuai dengan data yang akan dianalisis
Pemahaman peneliti mengenai potensi dan keterbatasan uji statistik
yang digunakan
Kemampuan peneliti untuk menasirkan hasil uji statistik yg
dilakukan
termasuk
didalamnya
kemampuan
membedakan
pengertian kemaknaan statistik dan kemampuan apikatif.
Sugiyono. 2000. Statistika Untuk Penelitian. CV Alfabeta; Bandung
12.
Apa itu s.deskriptif? dan bagaimana ia
menggambarkan data? Ukuran tendensi pusat dalam
s.deskriptif? apa itu sebaran data?
PENGERTIAN
Statistika deskriptif (descriptive statistics) berkaitan dengan penerapan metode statistik untuk
Mengumpulkan, mengolah, menyajikan,dan menganalisis data kuantitatif secara deskriptif.
PENGGAMBARAN DATA
Deskripsi atau penggambaran sekumpulan data secara visual dapat dilakukan dengan dengan
dua cara yakni deskripsi dalam bentuk tulisan dan deskripsi dalam bentuk gambar:
1.
Deskripsi dalam bentuk tulisan,
Bisa kita dapatkan dari output SPSS yang secara otomatis muncul. Dalam program SPSS,
statistik deskriptif dapat dilakukan dengan menu deskriptive statistics yang terdiri dari:
Frequencies,
Digunakan untuk menampilkan dan menggambarkan data yang terdiri atas satu variabel saja.
Jika terdapat lebih dari satu variabel maka variabel-variabel tersebut akan ditampilkan secara
terpisah.
Descriptives
Digunakan untuk menyajikan data statistik deskriptif pada sebuah variabel seperti rata-rata
(mean), deviasi standar, variasi dan sebagainya.
Explore
Memiliki fungsi yang sama dengan menu Descriptives. Perbedaannya adalah dalam menu
Explore ini akan diolah semakin kompleks dan dilengkapi dengan cara menguji apakah data
yang outlier serta uji kenormalan sebuah data, yang dapat dukur dengan uji tertentu atau
ditampilkan dalam bentuk box-plot, steam, and leaf dan normal probability plot.
-

Crosstab

Digunakan untuk menyajikan data dalam bentuk tabulasi, yang meliputi baris dan kolom. Ciri
crosstab adalah adanya dua variable atau lebih yang mempunyai hubungan secara deskriptif
serta data penyajiannya berupa data kualitatif, khususnya data yang berskala nominal.
Ratio
Digunakan untuk menyediakan ringkasan statistik yang berupa perbandingan-perbandingan.
Rasio ini sering juga disebut sebagai rasio statistik, yakni hasil pembagian dua variabel yaitu
semua data yang bertipe rasio yang mempunyai nilai positif.
2.
Descriptive dalam bentuk gambar/ grafik
Data yang disajikan dengan grafik digunakan untuk melengkapi deskripsi yang beripa teks,
supaya data tersebut tampak lebih impresif dan komunikatif dengan para penggunanya.
Berikut ini kami sajikan salah satu contoh analisa yang menggunakan tipe statistik deskriptif
Tabel di bawah ini adalah data-data perolehan nilai dari 10 siswa untuk mata pelajaran
Matematika dan Bahasa Indonesia. Yang nantinya akan dianalisis menggunakan tipe analisa
deskriptif.
Matematika
B. Ind
N
(variable
(variable
o
X)
Y)
1
90
87
2
67
75
3
78
67
4
85
80
5
75
70
6
60
56
7
87
76
8
87
54
9
90
87
10
60
65
Tabel Nilai Mata Pelajaran Matematika dan B. Indonesia dari 10 Siswa
UKURAN TENDENSI

Istilah tendensi pusat atau gejala pusat digunakan untuk menunjukkan

nilai atau ukuran yang mendekati titik konsentrasi perangkat data
hasil suatu pengukuran. Ukuran gejala pusat sering digunakan
sebagai gambaran umum tentang kecenderungan atau sebagai wakil
dari suatu perangkat data.
Tiga macam ukuran gejala pusat:
a. Modus
Merupakan nilai yang sering muncul dalam suatu pengukuran.
Misalnya, kecelakaan lalu lintas di daerah tertentu umumnya
diakibatkan oleh kelalain pengemudi.
Pernyataan tersebut
menunjukkan bahwa modus penyebab kecelakaan lalu lintas di
daerah itu adalah kelalaian pengemudi.
Seperangkat data mungkin memiliki hanya satu modus (unimodal),
dua modus (bimodal), atau lebih (multimodal), atau bahkan tidak
memiliki modus sama sekali (misalnya, dalam kasus distribusi

rektangular di mana semua nilainya memiliki frekuensi yang

identik).
Modus dari perangkat data yang telah dikelompokkan ke dalam
suatu daftar distribusi frekuensi, secara kasar, sama dengan nilai
titik tengah dari interval kelas yang memiliki frekuensi terbanyak.
Pengertian seperti ini didapat dengan menggunakan alur berfikir
deduksi bahwa (a) modus suatu perangkat data adalah nilai yang
memiliki frekuensi terbanyak, dan (b) titik tengah suatu interval
kelas adalah nilai yang mewakili interval kelas yang bersangkutan.
Oleh karena itu, titik tengah interval kelas yang memiliki frekuensi
terbanyak adalah modus dari suatu perangkat data.
Nilai yang diperoleh dengan cara tersebut merupakan ukuran atau
perkiraan kasar modus suatu perangkat data. Secara lebih halus,
modus perangkat data kuantitatif yang telah dikelompokkan ke
dalam interval kelas pada suatu daftar distribusi frekuensi dapat
diperoleh dengan menggunakan rumus:
Mo = b + p ( b1 )
b1- b2
di mana:
b = batas bawah interval kelas dengan frekuensi terbanyak
p = panjang kelas
b1 = frekuensi terbanyak dikurangi frekuensi interval kelas
sebelumnya
b2 = frekuensi terbanyak dikurangi frekuensi interval kelas
sesudahnya.
Satu hal yang perlu dicatat adalah bahwa kegunaan modus
sebagai ukuran gejala pusat relatif terbatas. Dalam banyak hal,
modus tidak cocok digunakan sebagai ukuran gejala pusat.
Ferguson dan Takane (1989), misalnya, mengatakan bahwa modus
tepat digunakan sebagai ukuran gejala pusat hanya untuk
perangkat data yang berdistribusi secara simetrik dan unimodal.
Dalam kondisi demikian, nilai modus yang diperoleh dari rumus di
atas tidak jauh berbeda dengan nilai tengah interval kelas dengan
frekuensi terbanyak. Jika distribusi data tidak simetris dan tidak
unimodal, maka modus seringkali tidak menggambarkan gejala
pusat suatu distribusi.
b. Median

Median diartikan sebagai titik atau nilai yang membagi

seperangkat data menjadi dua bagian sama banyak. Median
biasanya digunakan sebagai ukuran gejala pusat pada perangkat
data yang distribusi atau penyebarannya sangat juling ke kiri atau
ke kanan (tidak simetrik).
Distribusi semacam ini seringkali
memiliki skor-skor ekstrim. Pada perangkat data semacam ini
median merupakan ukuran gejala pusat yang berguna (informatif)
karena kurang peka terhadap skor0skor ekstrim.
c. Mean
Merupakan ukuran gejala pusat yang sering digunakan. Mean
dapat didefinisikan sebagai jumlah nilai dibagi oleh jumlah
(banyaknya) subjek.
Hubungan antara modus, median, dan rata-rata:
Pemilihan
ukuran
gejala
pusat
paling
tidak
harus
mempertimbangkan tiga hal, yaitu bentuk distribusi, skala
pengukuran yang digunakan, dan informasi yang hendak
disampaikan mengenai data itu.
Jika distribusi data itu simetris, maka modus, median, rata-rata akan
sama besar. Untuk data yang berdistribusi simetris atau mendekati
simetris, rata-rata atau median merupakan ukuran gejala pusat
yang lebih sering digunakan karena sifatnya yang lebih stabil
dibandingkan dengan modus.
Modus merupakan ukuran gejala pusat yang paling labil. Harga
modus berubah secara mencolok seiring dengan perubahan bentuk
distribusi datanya. Namun demikian, modus merupakan ukuran
yang bermanfaat untuk data yang berskala nominal, seperti
jenis kelamin, penyebab kecelakaan lalu lintas, dan jenis pekerjaan
orang tua siswa.
Pada data yang distribusinya sangat juling ( baik ke arah positif
maupun negatif) dimana terdapat beberapa skor yang sangat
ekstrim, rata-rata biasanya kurang reprensentatif untuk
menunjukkan ukuran gejala pusat. Hal ini dikarenakan harga
rat-rata akan ditarik ke arah dan mendekati skor ekstrim. Dalam
kondisi ini median merupakan ukuran yang lebih reprensentatif.
Selain itu, median juga sering digunakan sebagai ukuran
gejala pusat data yang berskala ordinal
Sugiyono. 2000. Statistika Untuk Penelitian. CV Alfabeta; Bandung
13.
Apa itu s.inferensial? wujud kesimpulannya
bagaimana? Apa saja yg mempengaruhi kekuatan uji nya?
Langkahnya bagaimana (analisis s.inferensial?
PENGERTIAN

Statistika inferensial/Induktif adalah statistik yang digunakan untuk

menganalisa data sampel, dan hasilnya akan digeneralisasikan untuk
populasi dimana sampel berada. Statistika inferensial berusaha membuat
berbagai inferensi terhadap sekumpulan data yang berasal dari suatu
sampel. Tindakan inferensi tersebut seperti melakukan perkiraan besaran
populasi, uji hipotesis, forecasting dsb.

14.

Populasi berdistribusi normal?

Distribusi normal merupakan satu-satunya distribusi probabilitas dengan

variable random continue dan mempunyai peran yg sngat penting dlm
statistika krn:
Distribusi normal memiliki beberapa sifat yg memungkinkan untuk
dipergunakan sbg pedoman dlm menarik kesimpulan berdasarkan hasil
sampel.
Meskipun distribusi normal merupakan distribusi teoritis tetapi sangat
sesuai dgn disribusi empiris shg dikatakan bhwa semua peristiwa secara
alami akan membentuk distribusi ini oleh karena itu distribusi ini sering
dikenal dgn distribusi normal
UJI NORMALITAS:
Uji
normalitas
berguna
untuk

menentukan

data

yang

telah

dikumpulkanberdistribusi normal atau diambil dari populasi normalUji

statistik normalitas yang dapat digunakan diantaranya :- Chi-SquareKolmogorov Smirnov,- Lilliefors- Shapiro Wilk.
Biostatistika Untuk Kedokteran Dan Kesehatan Masyarakat Dr.
Eko Budiarto

15.
Bagaimana cara menentukan normalitas dan
homogenitas?
UJI NORMALITAS:
Uji
normalitas
berguna

untuk

menentukan

data

yang

telah

dikumpulkanberdistribusi normal atau diambil dari populasi normalUji

statistik normalitas yang dapat digunakan diantaranya :- Chi-SquareKolmogorov Smirnov,- Lilliefors- Shapiro Wilk.
UJI HOMOGENITAS:
Langkah-langkah menghitung uji homogenitas:
Mencari Varians/Standar deviasi Variabel X danY, dengan rumus:

Mencari F hitung dengan dari varians X danY, dengan rumus:

 Membandingkan F hitung dengan F tabel pada tabel distribusi F,

denganuntuk varians terbesar adalah dk pembilang n-1untuk varians
terkecil adalah dk penyebut n-1JikaFhitung < Ftabel, berarti homogen.
Jika F hitung > F tabel, berarti tidak homogen.
Uji Normalitas oleh dr. Ratu Ilma Indra Putri

16.

Tingkat pengukuran skala interval dan rasio?

Skala Interval
Skala interval adalah skala pengukuran yang mempunyai selisih sama antara satu pengukuran dengan
pengukuran yang lain, tetapi tidak memiliki nilai nol mutlak. Skala interval memberikan ciri angka
kepada objek yang mempunyai skala nominal dan ordinal, dilengkapi dengan jarak yang sama pada
urutan objeknya. Skala interval bisa dikatakan tingkatan skala ini berada diatas skala ordinal dan
nominal. Ciri penting dari skala ini: datanya bisa ditambahkan, dikurangi, digandakan, dan dibagi
tanpa mempengaruhi jarak relatif skor-skornya. Selanjutnya skala ini tidak mempunyai nilai nol
mutlak sehingga tidak dapat diinterpretasikan secara penuh besarnya skor dari rasio tertentu. Pada
skala pengukuran interval, rasio antara dua interval sembarang tidak tergantung pada nilai nol dan unit
pengukuran. Sebagai contoh, pengukuran suhu dalam skala Celcius. Bila bak air berisi penuh dengan
suhu 0 derajat C, 50 derajat C, dan 100 derajat C, maka perbedaan antara 0-50 dan 50-100 derajat C
itu sama, tetapi tidak bisa dikatakan bahwa air bersuhu 100 derajat C dua kali lebih panas daripada air
bersuhu 50 derajat C. Contoh aplikasi: Penilaian kinerja pegawai (dengan skala 0-100).
Skala Rasio (Skala Nisbah)
Skala rasio adalah skala pengukuran yang paling tinggi di mana selisih tiap pengukuran adalah sama
dan mempunyai nilai nol mutlak. Skala rasio mempunyai semua sifat skala interval ditambah satu
sifat yaitu memebrikan keterangan tentang nilai absolut dari objek yang diukur. Sakala rasio
merupakan skala pengukuran yang ditujukan pada hasil pengukuran yang bisa dibedakan, diurutkan,
mempunyai jarak tertentu, dan bisa dibandingkan (paling lengkap, mencakup semuanya dibanding
skala-skala dibawahanya). Contoh: Bila kita ingin membadingkan berat dua orang. Berat Fulan1 40kg
dan Fulan2 80kg. Kita dapat tahu bahwa fulan2 dua kali lebih berat daripada Fulan1, karena nilai
variabel numerik berat mengungkapkan rasio dengan nilai nol sebagai titik bakunya. Contoh aplikasi
lain: umur, nilai uang, tinggi badan, dll. Skala pengukuran interval dan rasio biasanya dikenai alat
statistik parametrik
Tingkatan Skala pengukuran diatas mengurutkan dari tingkat rendah (1 skala nominal) sampai tingkat
paling tinggi (4 skala rasio). Skala Pengukuran dengan tingkatan pengukuran lebih tinggi dapat
diubah ke tingkat yang lebih rendah, tetapi hal sebaliknya tidak dapat dilakukan.
Pentingnya mengetahui skala pengukuran ini akan memberi manfaat pada sebuah penelitian. Dalam
proses penelitian akan dilakukan analisis, pada saat analisis akan sangat dibutuhkan skala pengukuran
apa yang dipakai dan alat analisis apa yang fit untuk menjawab tujuan penelitian.

Biostatistika Untuk Kedokteran Dan Kesehatan Masyarakat Dr.

Eko Budiarto

17.
Asumsi apa yang harus dipenuhi pada metode
parametrik?
Statistik Parametrik
Statistik Parametrik yaitu ilmu statistik yang
mempertimbangkan jenis sebaran atau distribusi data, yaitu apakah
data menyebar secara normal atau tidak. Dengan kata lain, data
yang akan dianalisis menggunakan statistik parametrik harus
memenuhi asumsi normalitas. Pada umumnya, jika data tidak
menyebar normal, maka data seharusnya dikerjakan dengan
metode statistik non-parametrik, atau setidak-tidaknya dilakukan
transformasi terlebih dahulu agar data mengikuti sebaran normal,
sehingga bisa dikerjakan dengan statistik parametrik.
Sugiyono. 2000. Statistika Untuk Penelitian. CV Alfabeta; Bandung
18.

Uji 2 sample berpasangan itu bagaimana?

Dua sampel berpasangan artinya sampel dengan subjek yang sama namun mengalami dua perlakuan

atau pengukuran yang berbeda.

19.

Uji 2 sample bebas?

Hipotesis yang digunakan dalam Pengujian Perbedaan Ratarata Dua sampel saling
bebas ada 3 hampir sama dengan yang lainnya yaitu:
1. Hipotesis dua arah yaitu rata-rata antar kelompok sama
2. Hipotesis satu arah menganggap kelompok 1 lebih tinggi rata-ratanya dibandingkan
kelompok 2.
3. Hipotesis satu arah yang menganggap kelompok 1 lebih kecil rata-ratanya
dibandingkan kelompok 2.
Dalam Pengujian Perbedaan Ratarata Dua sampel saling bebas (Independent two
sample ) ada 4 jenis mencari statistik uji dari Pengujian Perbedaan Ratarata Dua
sampel saling bebas (Independent two sample):

Varians populasi diketahui:

Cara ini dapat digunakan apabila kita mengetahui nilai varians populasi itu
sendiri.sehingga cara ini mungkin jarang digunakan karena untuk mengetahui nilai
populasi. berikut cara mencari z-hitung:

apabila kita tidak mengetahui nilai populasi khususnya simpangan baku maka kita bisa
menggunakan uji-t. dalam uji t ini dibagi menjadi tiga bagian.

Varians populasi tidak diketahui, Ukuran sampel

sama dan Varians diasumsikan sama
Cara ini dapat digunakan jika ukuran sampel (n) sama dan juga varians homogen/sama.
ini kadang diasumsikan untuk memecahkan masalah penelitian. berikut uji t yang
digunakan:

dimana

Sx1x2 disebut juga pool standar deviasi yang merupakan penggabungan dua standar
deviasi. pada t-hitung ini menggunakan degree of freedom dengan rumus 2n-2.

Varians populasi tidak diketahui, Ukuran sampel

berbeda dan varians diasumsikan sama
Walaupun varians homogen tapi ukuran sampel yang digunakan berbeda maka rumus
di atas tidak dapat digunakan. sehingga perlu menggunakan t-hitung yang baru sebagai
berikut:

dimana

selain itu degree of freedom pun berubah. degree of freedom untuk kasus ini yaitu
n1+n2-2

Varians populasi tidak diketahui, Ukuran sampel

sama/berbeda, Varians diasumsikan berbeda
Tes ini juga disebut dengan welch's test dan hanya digunakan apabila varians
diasumsikan berbeda (baik ukuran sampel sama atau berbeda). berikut cara
menghitung t statistik:

dimana

untuk menentukan degree of freedom menggunakan rumus sebagai berikut:

persamaan ini juga dikenal dengan Persamaan welch satterthwaite

20.
Uji 3 sample atau lebih?
21.
Uji asosiasi 2 sample?
22. Uji korelasi regresi?