Professional Documents
Culture Documents
BAB I
PENDAHULUAN
kehidupan
seperti
dunia
kedokteran,
ekonomi,
pertanian
dan
B. PENGERTIAN STATISTIK
Defiinisi Statistik menurut Undang-Undang Nomor 7 Tahun 1960 tentang
statistik :
gambaran yang wajar dari seluruh ciri kegiatan dan keadaan masyarakat
Indonesia
Definisi lain tentang statistik yaitu : Statistik adalah sekumpulan konsep dan
metode yang digunakan unutuk mengumpulkan dan menginterpretasi data
tentang bidang kegiatan tertentu dan mengambil kesimpulan dalam situasi
dimana ada ketidakpastian dan variasi
Secara umum statistik adalah disiplin ilmu yang mempelajari metode dan
prosedur pengumpulan, penyajian, analisa dan penyimpulan suatu data
mentah agar menghasilkan informasi yang lebih jelas untuk suatu pendekatan
ilmiah. Dari pengertian tersebut ada 2 (dua) prinsip dalam statistik yaitu :
1. Sekumpulan data yang menerangkan sesuatu dan atau sifat sekumpulan
data
2. Sekumpulan cara / meode/ aturan tentang pengumpulan, pengolahan,
penganalisaan, penafsiran/ interpretasi dan penarikan kesimpulan dari
suartu data.
C. BIOSTATISTIK
Biostatistik merupakan aplikasi metode statistik terhadap masalah-masalah
dibidang kesehatan.
Data Sampel
Disusun
Disajikan
Dianalisa
Statistik
Diskriptif
Estimasi
Prediksi
Uji Hipotesis
Statistik
Inferens
Parameter
Statistik
Non Parametrik
Statistik
Parametrik
Gambar 1
Diagram Pembagian Statistik
Statistik
diskriptif
hanya
memberikan
gambaran
dari
2. Statistik Inferens :
Bagian dari ilmu statistik yang dapat menarik kesimpulan umum
( generalisasi) pada sesuatu kelompok dengan cara melakukan analisa
data yang diperoleh melalui observasi/ pengukuran terhadap sebagaian
anggota kelompok yang diperkirakan dapat mewakili kelompok secara
keseluruhan. Statistik inferens dapat digunakan untuk maksud peramalan
(prediksi) dan penaksiran (estimasi) serta melakukan uji hypotesis
3. Statistik Parametrik :
Statistik yang digunakan untuk sekumpulan data kuantitatif yang hasilnya
dapat menarik kesimpulan secara umum (generalisasi/ Inferensial).
Statistik Parametrik digunakan untuk data dengan skala interval atau ratio
yang diambil dari populasi yang berdidtribusi normal
4. Statistik Non parametrik :
Statistik yang digunakan untuk sekumpulan data kualitatif yang hasilnya
dapat menarik kesimpulan secara umum (generalisasi). Statistik non
parameterik digunakan untuk data dengan skala nominal atau ordinal.
Populasi tidak bebas dari distribusi, jadi tidak mempermasalahkan apakah
populasi berdistribusi normal atau tidak normal.
5. Parameter :
Karakteristik dan atau sifat dari suatu populasi.
Sebagai contoh :
( dibaca : Miu ) adalah nilai rata-rata pada populasi
( dibaca : Tho ) adalah simpangan baku pada populasi
6. Statistik :
Karakteristik dan atau sifat dari sampel.
Sebagai Contoh :
5
G. KEGIATAN STATISTIK
Kegiatan didalam statistik umumnya dibagi menjadi 4 tahapan yang bersifat
kronologis dan tidak dapat dipisahkansatu sama lain
1. Pengumpulan data,
Suatu kegiatan yang dilakukan untuk memperoleh data yang diharapkan
Paling tidak ada 4 ( empat ) cara yang dapat digunakan untuk
mengumpulkan data
a. Pengamatan/
Observasi,
yaitu
pengumpulan
data
dengan
pemeriksaan
untuk melihat
BAB II
DATA DAN SKALA PENGUKURAN
A. SYARAT DATA:
Data data yang dikumpulkan haruslah data yang baik dan data yang baik
harus memenuhi beberapa persyaratan sebagai berikut :
a 1. Obyektif
b
adanya (sesuai faktanya), tidak boleh ada intervensi atau rekayasa apapun
terhadap data karena akan menghasilkan informasi yang salah.
2. Representatif
c
berasal.
4. Up To Date
d
dan data terbaru bukan berarti harus baru diambil dilapangan pada saat
penelitian karena penelitian dengan menggunakan data sekunder tidak
melakukan pengambilan data dilapangan, maka data terbaru dalam
penelitian menggunakan data sekunder berarti menggunakan data yang
diambil yang paling terakhir.
pengumpulan data tahun 1998, 1999 dan tahun 2000, maka data yang
sebaiknya digunakan adalah data tahun 2000 walaupun data tersebut
diperoleh 2 tahun yang lalu, tetapi dibandingkan dengan data sekunder
lainnya data tahun 2000 merupakan data terbaru.
5. Relevan
Data yang akan diolah harus merupakan data yang sesuai dengan tujuan
penelitian.
Terdapat dua macam validitas data yaitu validitas eksternal dan validitas
internal
f
a. Data Kualitatif,
Data yang bukan berupa bilangan atau angka misalnya pernyataan
setuju,
tidak
setuju,
keterangan,
pendapat
seseorang,
tingkat
b. Data Kuantitatif,
Data dalam bentuk angka atau bilangan misalnya 50 Kg, 180 cm 24 mg/
liter dan sebagainya
Data Kuantitatif dapat dibagi menjadi dua bagian berdasarkan cara
memperolehnya
1) Data Diskrit, yaitu data dalam bentuk bilangan bulat yang diperoleh
dari hasil menghitung, misalnya jumlah anak, lama perwatan dll
2) Data Kontinyu, yaitu data dapat dalam bentuk bilangan bulat maupun
bilangan desimal yang diperoleh dari hasil mengukur, misalnya, 167,8
cm atau 56,4 kg dan sebagainya
10
2. Menurut Sumbernya:
Berdasarkan sumbernya data dapat dibagi menjadi 3 macam sebagai
berikut ;
k
a. Data Primer
Data primer dapat diartikan sebagai data yang dikumpulkan sendiri oleh
peneliti dari kelompok yang diteliti. Pada keadaan tertentu data primer
dapat diartikan sebagai data yang belum mengalami pengolahan,
penelitilah yang pertama kali mengolah data tersebut walaupun data
tersebut tidak dikumpulkan oleh peneliti secara langsung dari sumber
datanya.
b. Data Sekunder,
Data yang dimiliki oleh instansi tertentu dan digunakan oleh peneliti,
telah dilakukan pengolahan oleh pemiliknya tetapi tidak/ belum
dipublikasikan secara luas
Data sekunder dapat dibagi menjadi dua :
1) Data sekunder internal, yaitu data sekunder yang diperoleh dari
lingkungan sendiri.
m 2) Data sekunder Eksternal, yaitu data sekunder yang diperoleh dari
lingkungan luar .
c. Data tertier,
Data yang sudah diolah dan dipublikasikan kemudian digunakan oleh
peneliti, dengan kata lain data ini sudah berupa informasi.
Keuntungan dan Kerugian ketiga data menurut sumbernya adalah
sebagaimana tabel berikut :
11
Tabel 1
KEUNTUNGAN DAN KERUGIAN DATA MENURUT SUMBERNYA
DATA
Primer
Sekunder
Tertier
KEUNTUNGAN
Terbaik, karena sesuai dengan
keinginan
peneliti
dan
pengumpulan
data
dapat
langsung dikontrol
Data sudah siap tersedia,
Waktu, tenaga dan biaya
relatif sedikit
KERUGIAN
Memerlukan waktu, biaya, dan
tenaga yang besar
C. SKALA PENGUKURAN
Didalam statistik dikenal 4 ( empat ) Skala pengukuran, yaitu : Nominal,
Ordinal, Interval dan Ratio ( NOIR ).
karena akan menentukan jenis data yang akan dikumpulkandan jenis statistik
yang akan digunakan untuk memperoleh hasil penelitian.
1. Nominal :
Merupakan skala pengukuran paling rendah, skala ini hanya dapat
membedakan saja,
kelipatannya.
12
terlihat
tingkatannya,
diketahui
jaraknya
dan
dapat
NOMINAL
Ya
Tidak
Tidak
Tidak
ORDINAL
Ya
Ya
Tidak
Tidak
INTERVAL
Ya
Ya
Ya
Tidak
RATIO
Ya
Ya
Ya
Ya
Skala pengukuran yang lebih tinggi dapat diubah menjadi skala pengukuran
yang lebih rendah, tetapi skala pengukuran yang lebih rendah tidak dapat
diubah menjadi skala pengukuran yang lebih tinggi, mislnya berat badan
dalam kilogram (skala Ratio) dikelompokkan menjadi berat dan ringan (Skala
Ordinal), karenanya didalam pengumpulan data sebaiknya data dikumpulkan
13
kategori berat dan ringan, tetapi dikumpulkan dalam kilogram agar tidak ada
informasi yang hilang.
D. PENGUMPULAN DATA
1. Metode Pengumpulan Data
Kegiatan pertama dari kegiatan statistik adalah pengumpulan data dimana
terdapat beberapa metode pengumpulan data yang biasanya dilakukan
dilakukan sesuai dengan sifat data yang akan dikumpulkan, yaitu :
b. Pengamatan.
Pengumpulan
data
dengan
cara
pengamatan
adalah
dengan
14
merupakan
suatu
proses
interaksi
dan
komunikasi,
yaitu
Pewawancara,
Responden,
Topik
wawancara
disebut
sebagai
wawancara
dengan
menggunakan
daftar
15
16
data
perlu
dilakukan
inventarisasi
jenis
data
untuk
alat
pengumpulan
data
tidak
valid
dan
reliable
akan
menghasilkan data yang tidak sesuai dengan tujuan penelitian atau akan
menghasdilkan data yang salah..
digunakan
adalah
timbangan,
karena
timbangan
memang
pengumpuilan
data dikatakan
reliable
apa bila
alat
17
18
f)
3) Alat pengukuran
Untuk pengumpulan data dengan cara melakukan pengukuran
digunakan alat pengukuran yang sesuai, misalnya berat badan
menggunakan
timbangan,
kadar
Fe
dalam air
menggunakan
19
F. PENGOLAHAN DATA
Kegiatan statistik yang kedua adalah pengolahan data yaitu suatu proses
untuk memperoleh suatu informasi dari raw data.
Kegiatan yang dilakukan didalam pengolahan data adalah :
1. Editing
Didalam pencatatan data biasanya masih mengandung hal yang perlu
dikoreksi sebagai akibat kesalahan pencatatan atau ketidak jelasan dalam
pencatatan, karenanya perlu dilakukan koreksi terhadap data.
Selain koreksi karena kesalahan dan ketidakjelasan pencatatan dilakukan
juga koreksi kesesuaian, misalnya status belum menikah tetapi pada
pertanyaan anak mempunyai anak 1 orang.
Koreksi ini dilakukan dengan tujuan agar data dapat diolah dengan baik dan
menghindari mengolah data yang salah, karena data yang salah akan
menghasilkan hasil pengolahan data yang salah.
2. Coding
Setelah dilakukan koreksi (Editing) terhadap data langkah selanjutnya
adalah pemberian kode atau tanda tertentu, biasanya menggunakan huruf
dan angka dan agar kode yang diberikan dapat dimengerti oleh orang lain
maka perlu dibuatkan buku kode.
3. Cleaning
Setelah diberikan kode selanjutnya dilakukan kegiatan pembersihan data,
hal ini dilakukan untuk memeriksa apakah didalam entri data terdapat
kesalahan yang dapat mempengaruhi hasil pengolahan data
G. PENYAJIAN DATA
20
a. Bentuk tabel
Ada beberapa bentuk tabel, yaitu :
1)
Master tabel (Tabel Induk), yaitu tabel yang berisi semua hasil
pengumpulan data yang masih dalam bentuk mentah (Raw Data),
biasanya tabel ini disajikan dalam lampiran laporan.
2) Text tabel (tabel Rincian), yaitu tabel yang berisi uraian data yang
diambil dari tabel induk, misalnya berupa prosentase atau frekwensi
kumulatif.
Beberapa contoh text tabel adalah :
a) Distribusi Frekwensi
b) Distribusi relatif
c) Distribusi kumulatif
21
d) Tabel silang.
b. Bagian-Bagian Tabel
Tabel yang baik memiliki bagian-bagian sebagai berikut :
1) Nomor Tabel
2) Judul Tabel
3) Box Head (Kepala tabel termasuk kepala kolom)
4) Stub, yaitu badan tabel yang berisi penjelasan tiap kolom
5) Body, yaitu badan tabel yang berisi angka.
C
Box Head
Jumlah
Stub
Body
Body
G
Jumlah
Gambar 2
Contoh Tabel
22
c. Penyajian Tabel
Didalam Menyajikan sebuah tabel perlu diperhatikan beberapa hal
sebagai berikut :
1) Judul tabel harus singkat, jelas dan lengkap.
Sebaiknya dapat
atau
diagram.
Penggunaan
gambar
dimaksudkan
untuk
23
P
e
n
d
i
k
a
n
R
e
s
p
o
n
d
e
3
0
Percnt
2
0
1
0
0T
id
a
k
S
e
k
o
la
h
T
id
a
k
T
a
m
tS
D
T
a
m
t
S
D
T
a
m
t
S
M
P
T
a
m
t
S
M
A
T
a
m
t
P
e
r
g
u
a
n
T
i
n
i
P
e
n
d
ik
a
n
R
e
s
p
o
n
d
e
Gambar 2
Singgle Bar
24
Gambar 3
Multiple bar
Gambar 4
Multiple bar
25
Count
2
5
2
0
1
5
1
0
5
0S
T
id
a
T
id
a
k
T
a
tP
m
T
a
m
t
S
D
T
a
m
t
S
M
P
T
a
m
t
S
M
A
T
a
m
t
e
o
lk
h
S
D
P
e
r
g
u
n
i
n
i
e
n
d
ik
a
n
R
e
s
p
o
n
d
e
na
Gambar 5
Sub Divided Bar
Gambar 6
Pie Diagram
26
Gambar 7
Pie Diagram
3) Histogram
Histogram digunakan untuk menyajikan data kontinu dengan skala
2
5
2
0
1
5
1
0
5
0
02
4
6
P
e
n
d
ik
a
n
R
e
s
p
o
n
d
e
n
Frequncy
Gambar 8
Histogram
Dependen
dnsumbu
menggambarkan
variable
independen.
27
Gambar 9
Scater Diagram
5) Diagram garis (Line Diagram)
Diagram garis dipergunakan untuk menggambarkan data diskrit
yang mengalami perubahan dari waktu kewaktu atau perubahan dari
satu tempat ketempat lain.
Gambar 10
Line Diagram
6) Pictogram
Penyajian data dengan pictogram adalah penyajian data dengan
menggunakan gambar yang sesuai dengan obyeknya, misalnya
untuk menggambarkan keadaan penderita penyakit jantung maka
menggunakan gambar jantung dan setiap gambar ditentukan
28
peta
biasanya
digunakan
untuk
menggambarkan
29
BAB III
KOMBINASI DAN PERMUTASI
Kombinasi adalah sekumpuluan dari obyek dengan tanpa memperhatikan
bagaimana susunan atau urutan dari obyek-obyek tersebut.
A. KOMBINASI
1. Kombinasi Total
Merupakan kombinasi dari seluruh obyek yang ada
Contoh 1 :
Dari huruf A B C dapat dibuat berapa kombinasi ?
Jawab : A B C, Jadi hanya dapat dibuat 1 kombinasi
Contoh 2 :
Dari satu team bulutangkis yang terdiri dari 5 pemain Pria dan 3 pemain
wanita berapa pasangan ganda campuran yang dapat dibuat?
Jawab :
Misalkan :
Pemain Pria
Pemain Wanita
: W1, W2, W3
P1 W1
P1 W2
P1 W3
P2 W1
P2 W2
P2 W3
P3 W1
P23 W2
P3 W3
P4 W1
P4 W2
P4 W3
P5 W1
P5 W2
P5 W3
Contoh 3 :
Seseorang ingin membeli 3 buah buku yang terdiri dari 1 buah buku
Kesehatan Masyarakat, 1 buah buku statistik dan 1 buah buku Ilmu Gizi
Didalam toko buku terdapat 4 buah buku kesehatan masyarakat (A B C D),
3 buah buku statistik ( E F G ) dan 2 buah Ilmu Gizi ( H I ).
Berapakah kombinasi buku yang mungkin akan dipilih ?
Jawab : Kemungkinan kombinasi buku yang akan dipilih adalah :
AEH
AEI
AFH
AFI
AGH AGI
BEH BEI
BFH
BFI
BGH BGI
CEH CEI
CFH CFI
CGH CGI
DEH DEI
DFH DFI
DGH DGI
2. Kombinasi Bagian
Theorm : Jumlah Kombinasi n obyek yang setiap kali diambil r obyek
adalah :
n!
nCr = ------------------(nr)!.r!
31
ABCE
ABCF
ABCG
ABDE
ABDF
ABDG
ABEF
ABEG
ABFG
ACDE
ACDF
ACDG
ACEF
ACEG
ACFG
ADEF
ADEG
ADFG
AEFG
BCDE
BCDF
BCDG
BCEF
BCEH
BCEG
BDEF
BDEG
BDFG
BEFG
CDEF
CDEG
CDFG
CEFG
DEFG
n!
7x6x5x4x3!
7x6x5x4!
nCr = ------------------- = ----------------------------- = -----------------------(nr)!.r!
(74)!.4!
3!.4!
7x6x 5
= -------------------- = 35 kombinasi
3x2x1
B. PERMUTASI
Permutasi adalah susunan dari sekumpulan obyek dengan memperhatikan
susunan/ urutannya ( Kombinasi tidak memperhatikan susunan/ urutan ).
32
1. Permutasi Total
Rumus = n !
Contoh :
Berapakah Permutasi dari huruf A dan B
Jawab :
AB dan BA ------------ n ! = 2 x 1 = 2
Dalam permutasi AB dan BA adalah berbeda karena susunan/ urutannya
berbeda, AB dimulai dengan huruf A kemudian diikuti huruf B dan BA
dimulai dengan huruf B dan diikuti huruf A, sedangkan pada kombinasi AB
dan BA sama ( hanya 1 kombinasi ) karena kombinasi tidak memperhatikan
susunan/ urutan sehingga dalam AB atau BA hanya ada Huruf A dan Huruf
B, tidak mempersoalkan apakah huruf A atau B ada didepan atau
dibelakang.
2. Permutasi Bagian :
Theorm : Jumlah permutasi n obyek yang setiap kali diambil r obyek
adalah
n!
nPr = --------------(nr)!
Contoh 1 :
Berapa permutasi A B C bila setiap kali diambil 2
Jawab :
AB
AC
BC
BA
CA
CB
= 6
Contoh 2 :
Berapa permutasi pada contoh soal Kombinasi Bagian
Jawab
n!
7!
7x6x5x4x3!
nPr = --------------- = ------------- = --------------------------- = 840
(nr)!
(74)!
3!
Perhatikan :
Jumlah Kombinasi soal diatas = 35
Jumlah permutasi pilihannya ( 4 ) = 4 ! = 24
Jumlah permutasi bagian = 840 = 35 x 24
Jadi permutasi bagian = jumlah kombinasi x jumlah permutasi pilihan
C. PROBABILITAS
1. Pengertian :
Semua kejadian dialam selalu ada ketidak pastian, adanya statistik karena
adanya ketidak pastian tersebut sehingga kejadian dialam secara statistik
selalu dikatakan memiliki peluang (probabilitas) untuk terjadi atau tidak
terjadinya sesuatu atau peluang untuk keputusan secara statistik benar dan
peluang untuk salah. Dengan demikian probabilitas dapat diartikan sebagai
peluang untuk terjadi atau tidak terjadi suatu kejadian.
a. Konsep Klasik
Dalam konsep klasik probabilitas diartikan sebagai nilai yang menunjukan
besarnya kemungkinan suatu peristiwa terjadi diantara keseluruhan
peristiwa yang mungkin terjadi
34
Contoh :
1) Sebuah mata uang logam yang memiliki dua sisi ( A dan B ), jika mata
uang tersebut dilambungkan maka peluang sisi A untuk berada diatas
adalah (setengah)
2) Sebuah dadu dengan mata enam, maka peluang untuk satu mata
dadu berada diatas dalam satu kali pelemparan adalah 1/6 (satu
mata dadu dibagi keseluruhan mata dadu)
Pendekatan konsep klasik ini adalah matematis atau teoritis dengan
rumus :
P (E) = X/N
P = Probabilitas
E = Event/ Kejadian
X = Jumlah kejadian yang diinginkan
N = Jumlah kejadian yang mungkin terjadi.
Contoh aplikasi probabilitas menurut konsep klasik adalah sbagai berikut:
Dalam suatu pabrik terdapat 30 orang pegawai perempuan dan 70 orang
laki-laki. Jika setelah makan siang akan ditanyakan pendapat pegawai
tentang makanan yang disajikan, maka peluang untuk terpilihnya pegawai
wanita yang akan memberikan pendapatnya adalah sebesar 0,3. Nilai
diperoleh dari 30 pegawai perempuan dibagi keseluruhan pegawai (100
pegawai).
b. Konsep Empiris/ Probabilitas relatif
Pengertian probabilitas menurut konsep empiris adalah peluang untuk
terjadi atau tidak terjadi suatu kejadian dengan berdasarkan pengalaman
yang pernah ada/ terjadi.
35
HUKUM PROBABILITAS
36
HUKUM KOMPLEMEN : P ( A) = 1 P ( A )
HUKUM PENJUMLAHAN :
HUKUM PERKALIAN :
DISTRIBUSI PROBABILITAS
(Distribusi Teoritis).
37
38
Dalam suatu trial/ percobaan , peluang untuk sukses = p dan peluang untuk
gagal = 1 p, misalnya peluang keluarnya mata 4 pada pelemparan dadu
satu kali = 1/6, peluang keluarnya bukan mata 4 = 1 1/6 = 5/6.
Jika suatu trial dilakukan sebanyak n kali ( n = 1,2 n) maka jumlah sukses
dari variable random X memiliki kemungkinan nilai 0 sampai n (0,1,2, n) kali.
RUMUS UMUM
n!
p = ------------------ x Px . Qn-x
X ! . (n X) !
n = Seluruh Trial
X = Jumlah Trial Sukses yang diinginkan
39
5!
5x4x3x2x1
2x1 (3x2x1)
Berapa Peluang :
-
2. DISTRIBUSI POISON
Distibusi poison sebenarnya sama dengan distribusi binomial, yaitu setiap trial
adalah dikotomus (Sukses atau Gagal) perbedaannya adalah peluang sukses
pada binomial tidak terlalu kecil dan jumlah trial tidak besar, sedangkan pada
distribusi poison peluang sukses sangat kecil dan jumlah trial sangat besar.
Selain itu distribusi poison juga berhubungan dengan waktu.
RUMUS UMUM
x . -
P = --------------40
X!
P = Probabilitas Kejadian
= Konstanta = 2,71828 = 2,7183
= Raya-rata kejadian = n x P
X = Jumlah kejadian
Contoh
Peluang seseorang terinfeksi Demam Beradarah adalam satau hari
adalah
0,0005, bila disuatu daerah terdapat 4.000 orang, berapa peluang 3 orang akan
terinfeksi DBD ?
= 0,0005 x 4.000 = 2
23 . 2,7183
8 . 0,1353
1,0827
X
Z=
X-X
=
SD
Penyelesaian.;
XX
a. Z =
250 215
=
SD
=
45
35
= 0,76
45
P = 0,2236
Untuk mengetahui berapa besar peluang kejadian yang diinginkan maka
nilai Z hasil perhitungan ditransformasikan menjadi nilai peluang (probabilitas)
dengan mempergunakan table Z. Apabila table Z yang digunakan adalah table Z
one tail maka nilai yang tercantum didalam table tersebut maksimum hanya 0,5
42
(hanya satu sisi/ setengan luas kurva) tetapi bila table Z yang digunakan two tail
maka nilai dalam table merupakan seluruh luas kurva (maksimal = 1).
Pada kasus ini yang digunakan adalah table Z one tail dan untuk
memperoleh berapa besar peluang (nilai P) kejadian yang diinginkan lakukan
langkah-langkah berikut ini :
1. Lihat nilai 0,7 pada kolom paling kiri dan 0,06 pada baris paling atas.
2. Lihat nilai yang ada pada pertemuan nilai 0,7 dan 0,06 ( didapat
0,2764)
3. Karena table Z yang digunakan one tail maka selisih nilai satu sisi
kurva dengan nilai tersebut (0,5 0,2764)
4. Diperoleh besar peluang kejadian yang diinginkan (0,2236)
Perlu diingat bahwa nilai 0,2764 yang tecantum dalam table adalah
besarnya peluang dari nilai rata-rata sampai dengan nilai kejadian (215 mg %
sampai 250 mg %) sedangkan kejadian yang ingin diketahui peluangnya adalah >
dari 250 mg %, karena setengan dari kurva (satu sisi kurva) adalah 0,5 maka
untuk peluang kejadian adalah setengah kurva dikurangi nilai hasil tranformasi
nilai Z.
X X 200 215 15
b.
Z=
=
SD
=
45
= 0,33
45
P = 0,3707
Cara yang digunakan untuk mengetahui besar peluang kejadian pada
kasus b sama dengan cara yang digunakan untuk mencari besar peluang pada
kasus a
43
XX
c.
200 215
Z1 =
15
=
SD
= 0,33
45
45
P1 = 0,1293
XX
250 215
Z2 =
35
=
SD
=
45
= 0,76
45
P2 = 0,2764
Maka besarnya peluang kejadian = P1 + P2 = 0,1293 + 0,2764 = 0,4058
Berbeda dengan kasus a dan b, pada kasus c kita harus mencari dulu
Peluang (P1)nilai terendah sampai nilai rata-rata, kemudian kita mencari peluang
(P2) nilai rata-rata sampai nilai tertinggi, kemudian kedua peluang itu dijumlahkan.
4.
ini
termasuk
didalam
kelompok
distribusi
normal
dan
dan
5. DISTRIBUSI FISHER ( F )
44
6.
45
BAB IV
POPULASI DAN SAMPEL
Hampir Didalam setiap penelitian terdapat populasi yang diteliti dan seringkali
dilakukan
pengambilan
sampel
dengan
berbagai
pertimbangan,
baik
pertimbangan biaya, waktu maupun karena populasi yang luas atau karena tidak
mungkin seluruh populasi diteliti.
Untuk memahami pengambilan sampel yang baik perlu dipahami terlebih dahulu
latar belakang perlunya dilakukan pengambilan sample sehingga dalam
pengambilan sampel tidak dilakukan secara sembarangan , tetapi memenuhi
kaidah-kaidah tertentu.
A. POPULASI
Pengertian dari populasi atau Universe adalah keseluruhan dari unit analisis
yang karakteristiknya akan diduga (diteliti} dan anggota dari populasi disebut
sebagai unit populasi atau elemen populasi
Populasi dapat dibedakan antara populasi sampling dan populasi sasaran.
Sebagai contoh apabila kita menetapkan rumah tangga sebagai sample
sedangkan yang diteliti adalah anggota rumah tangga yang mengikuti program
KB, maka rumah tangga merupakan populasi sampling dan anggota rumah
tangga yang mengikuti KB merupakan populasi sasaran.
Dalam setiap penelitian, populasi erat hubungannya dengan masalah yang
ingin diteliti karena populasi penelitian harus memiliki karakteristik dari apa
yang akan diteliti.
B. SAMPEL
46
2. Design Sampling
47
sebanyak
mungkin dengan
biaya
serendah mungkin
e. Jumlah sample harus dapat dipakai untuk keperluan generalisasi pada
populasi
3. Sampling Frame
Sebelum menetapkan sample diperlukan Kerangka Sampel (Sampling
Frame), yaitu daftar dari semua unsur sample dalam populasi, daftar ini
dapat berupa daftar nama, daftar bangunan atau sebuah peta dengan
penggambaran unit-unit yang sangat jelas.
Syarat yang harus dipenuhi oleh kerangka sampling adalah :
a. Harus meliputi seluruh unit populasi
b. Tidak ada unit populasi yang dihitung dua kali
c. Harus Up to date
d. Batas-batasnya harus jelas
e. Harus dapat dilacak dilapangan.
48
Non
49
b. Probability Sampling
Pengambilan sampel secara acak dibagi menjadi lima macam, yaitu :
1) Simple Random Sampling (Sampel Acak Sederhana)
Pengambilan sample ini menggunakan alat Bantu berupa tabel random
atau komputer untuk menentukan darimana pengambilan sample
dimulai.
2) Systematic Random sampling (Sampel Acak sistematik)
Hampir sama dengan simple random sampling, bedanya ditentukan
dulu kelipatannya berdasarkan jumlah populasi dibagi jumlah sample
kemudian
sample
pertama
ditentukan
lalu
sample
berikutnya
merupakan kelipatannya.
3) Stratified Random Sampling.
Populasi penelitian dibagi terlebih dahulu kedalam strata yang
tersedia. Misalnya jenis kelamin berarti ada dua strata atau bila
populasi murid SD maka akan ada 6 strata lalu besar sample
ditentukan dan untuk masing-masing strata memiliki jumlah yang sama.
4) Cluster Random Sampling
Cara ini lebih diarahkan kepada pembagian wilayah dengan isi
masing-masing wilayah memiliki karakteritik yang sama.
Didalam
pengambilan
sample
bertingkat,
biasanya
berdasarkan
50
C. BESAR SAMPEL
Untuk menentukan besar sampel probability tidak dapat dilakukan dengan
sesuka hati tetapi memerlukan perhitungan besar sampel agar besar sampel
yang diperoleh dapat digunakan untuk inferensial.
1. Besar Sampel Survey
a. Estimasi Proporsi Presisi Mutlak
2. Dalam melakukan penelitian seringkali peneliti ingin mengetahui proporsi
suatu kejadian, seperti cakupan imunisasi campak di Kabupaten Bogor,
Prevalensi Anemia pada Ibu Hamil di Kabupaten Tangerang dan
sebagainya.
Untuk keperluan penelitian tersebut diperlukan sampel yang besarnya
berdasarkan rumus berikut :
Z2 . P (1 P)
n = --------------------------d2
n = Besar sampel
Z = Nilai Z pada Confidence Level ( CL ) tertentu
Bila CL 90 % maka Z = 1,64
Bila CL 95 % maka Z = 1,96
Bila CL 99 % maka Z = 2,58
P = Proporsi kejadian pada populasi
d = Presisi mutlak = simpangan sampel terhadap populasi
Contoh Aplikasi:
51
0,9051
n = --------------- = 90,51 = 91 ibu hamil
0,01
a. Estimasi Proporsi Presisi Relatif
Pada estimasi proporsi presisi mutlak, presisi sebesar 10 % merupakan
angka mutlak sedangkan pada estimasi presisi relatif, presisi 10 %
merupakan angka relatif, yaitu presisi dari proporsi pada populasi
Pada contoh diatas proporsi anemia sebesar 62 %, bila menggunakan
presisi mutlak diharapkan proporsi anemia berkisar antara 52 % 72 % ( +
10 % proporsi populasi atau 62 % - 10 % sampai 62 % + 10 % ).
Pada presisi relatif diharapkan proporsi anemia berkisar antara 53,8 % 68,2 % ( + 10 % dari proporsi populasi atau 62 % - ( 62 x 0,1 ) sampai 62
% + ( 62 % x 0,1 ).
Untuk memperoleh besar sampel estimasi proporsi dengan presisi relatif
digunakan rumus sebagi berikut :
1-P
n = Z2 . -------------2 x P
n = Besar Sampel
52
53
54
prevalensi
ingin
55
56
N2 x 2
Z x -------------W
n = --------------------------------------------( N x )2
2
N x 2 x ------------- + Z2 x N x 2
N
57
BAB V
BIOSTATISTIK DISKRIPTIF
A. PENGANTAR
Pengertian dari Statistik Deskriptif adalah Metode dan prosedur statistik
yang mengupas hanya mengenai penyusunan data dan tabel serta pembuatan
grafik dan hal lain yang tidak menarik kesimpulan yang sifatnya umum
(generalisasi) dan tidak bermaksud untuk melakukan peramalan ( prediksi )
serta tidak melakukan penaksiran ( estimasi ), dengan kata lain statistik
deskriptif hanya memberikan gambaran dari sekumpulan data yang sudah
diolah.
Dengan demikian statistic Diskriptif hanya meliputi pengumpulan,
penyajian dan analisa data dalam bentuk narasi, tabulasi atau diagram serta
penghitungan persentase, nilai rata-rata, standar deviasi dan lainnya dari
sample tanpa perlu adanya peramalan dan pembuktian statistic terhadap
populasi.
Untuk pengolahan dan analisis data didalam statistic diskriptif
digunakan tabel dan diagram dalam bentuk grafik maupun bentuk-bentuk
lainnya
B. PEMBULATAN BILANGAN
Terdapat 3 ( tiga ) aturan untuk pembulatan bilangan :
Aturan 1
Jika Angka terkiri dari yang harus dihilangkan adalah 4 atau kurang , maka
angka terkanan dari yang mendahuluinya tidak berubah.
Contoh : 59.376.402,96 menjadi 59 juta
58
Aturan 2
Jika angka terkiri dari dari yang harus dihilangkan adalah 5 atau lebih dari 5
diikuti oleh angka bukian nol, maka angka terkanan dari yang mendahuluinya
bertambah dengan Satu.
Contoh : 6.948 Kg menjadi 7 ribu kilogram, 176,51 menjadi 177
Aturan 3
Jika angka terkiri dari yang harus dihilangkan hanya angka 5 atau 5 yang
diikuti oleh angka nol, maka angka terkanan dari yang mendahuluinya tetap
jika ia genap , tambah satu jika ia ganjil ( Aturan bilangan genap terdekat )
Contoh :
1. Bilangan 8,5 atau 8,50 atau 8,500 menjadi 8
2. Bilangan 19,5 atau 19,50 atau 19,500 menjadi 20
Pembulatan
Kebawah
1
Aturan 3
1,5
Pembulatan
Keatas
2
3,5
5,5
7,5
18
20
16
20
Tabel 4
59
Pembulatan
Kebawah
2
Aturan 3
2,5
Pembulatan
Keatas
3
4,5
6,5
8,5
22
24
20
20
Tabel 5
Contoh Pembulatan Bilangan Bila Nilai Acak
Bilangan Asli
Pembulatan
Kebawah
1
Aturan 3
1,5
Pembulatan
Keatas
2
2,5
3,5
4,5
12
14
10
12
60
dan bilangan ganjil, dengan demikian aturan 3 akan lebih tepat digunakan
karena memiliki jumlah nilai yang lebih mendekati jumlah bilangan asli.
A. DISTRIBUSI FREKWENSI
Distribusi Frekwensi adalah susunan dari banyaknya muncul tiap-tiap
nilai dari sekelompok nilai.
61
Tabel 6
Tabel Distribusi Frekwensi Ungrouped Data
Berat Badan ( Kg ) ( X )
Frekwensi ( f )
27
37
46
57
68
74
88
96
100
101
Jumlah
3
4
6
5
2
3
2
2
1
1
29
62
K = Jumlah Kelas
n = jumlah observasi
dibulatkan menjadi = 7
69
=
Jumlah kelas
= 9,857
10
d. Buat tabel Distribusi Frekwensi dari data tersebut dengan nilai terendah
sebagai ujung bawah kelas pertama :
Tabel 7
Distribusi Frekwensi Nilai Ujian mahasiswa
NILAI UJIAN
31 40
FREKWENSI ( f )
2
41 50
51 60
61 70
14
71 80
24
81 90
20
91 100
Jumlah
12
80
63
Tabel 8
Distribusi Frekwensi Nilai Ujian mahasiswa
64
NILAI UJIAN
31 40
FREKWENSI RELATIF ( % )
2,50
41 50
3,75
51 60
6,25
61 70
17,50
71 80
30,00
81 90
25,00
91 - 100
Jumlah
15,00
100,00
Frekwensi dalam persen sangat penting bila kita ingin membandingkan lebih
dari satu nilai sebagaimana contoh pada tabel berikut ini :
Tabel 9
Distribusi Frekwensi Absolut dan Relatif
DESA
Karang Anyar
Jumlah Balita
300
Balita di Imunisasi
270
% Balita di Imunisasi
90
Karang Baru
400
300
75
Karang Tengah
200
190
95
Karang Bolong
500
400
80
Pada tabel diatas bila kita menggunakan nilai absolute maka cakupan tertinggi
imunisasi balita adalah pada Desa Karang Bolong (400) dan terendah adalah
Desa Karang Tengah (190), tetapi karena jumlah balita yang ajan diimunisasi
tidak sama (tidak standar) maka untuk membandingkan keberhasilan imunisasi
yang benar adalah menggunakan nilai relative sehingga Desa yang paling
tinggi cakupan imunisasinya adalah Desa Karang Tengah (90 %).
Apabila standar yang digunakan sama maka nilai absolute dapat digunakan
sebagai nilai perbandingan
65
FREKWENSI ABSOLUT
f
f Kumulatif
FREKWENSI RELATIF
F
F Kumulatif
2,50
2,50
41 50
3,75
6,25
51 60
10
6,25
12,50
61 70
14
24
17,50
30,00
71 80
24
48
30,00
60,00
81 90
20
68
25,00
85,00
91 100
Jumlah
12
80
80
-
15,00
100,00
100,00
-
Tabel 11
Distribusi Frekwensi Kumulatif Nilai Ujian Mahasiswa
( Kumulatif kurang dari / Less Then )
NILAI UJIAN
Kurang dari 31
F - Kum. Absolut
0
F- Kum. Relatif
0
66
Kurang dari 41
2,50
Kurang dari 51
6,25
Kurang dari 61
10
12,50
Kurang dari 71
24
30,00
Kurang dari 81
48
60,00
Kurang dari 91
68
85,00
80
100,00
Tabel 12
Distribusi Frekwensi Kumulatif Nilai Ujian Mahasiswa
( Kumulatif lebih dari / More Then )
NILAI UJIAN
31 atau lebih
F- Kum. Absolut
80
F-Kum. relatif
100,00
41 atau lebih
78
97,50
51 atau lebih
75
93,75
61 atau lebih
70
87,50
71 atau lebih
56
70,00
81 atau lebih
32
40,00
91 atau lebih
12
15,00
Tabel 7 dapat digunakan bila kita ingin mengetahui berapa banyak mahasiswa
yang memiliki nilai lebih dari 60 ( 61 atau lebih ) (yaitu 70 orang atau 87,5 % ).
Tabel Distribusi Frekwensi secara lengkap biasanya
dibawah ini :
Tabel 13
Distribusi Frekwensi Nilai Ujian Mahasiswa
NILAI
UJIAN
Frek Frekwensi
Relatif
f KUMULATIF
ABSOLUT
Less Then More Then
f KUMULATIF
RELATIF
Less then More then
67
31 40
2,50
80
2,50
100,00
41 50
3,75
78
6,25
97,50
51 60
6,25
10
75
12,50
93,75
61 70
14
17,50
24
70
30,00
87,50
71 80
24
30,00
48
56
60,00
70,00
81 90
20
25,00
68
32
85,00
40,00
91 100
JUMLAH
12
80
15,00
80
-
12
-
100,00
-
15,00
-
D. UKURAN PEMUSATAN
Ukuran Pemusatan (Tendency Central) adalah nilai
yang digunakan
68
ketahui
rata-rata
hitung
data
tidak
berkelompok adalah :
X1 + X 2 + X3 + . . .Xn
X=
n
Untuk menghitung Mean dari data tidak berkelompok dengan jumlah
yang lebih besar dari contoh diatas adalah sebagai berikut :
Tabel 14
Tabel Distribusi Frekwensi dan
Frekwensi Kumulatif Ungrouped Data
Berat Badan ( Kg ) ( X )
27
Frekwensi ( f )
3
Frekwensi Kumulatif
3
Xxf
81
37
148
46
13
276
57
18
285
68
20
136
74
23
222
88
25
176
96
27
192
100
28
100
101
Jumlah
1
29
29
-
101
1.717
Rumus :
__
X =
fX
f
Contoh Aplikasi dari rumus tersebut bila kita gunakan tabel 9 diatas
diperoleh nilai rata-rata hitung (Mean) sebagai berikut :
Rumus :
__
X =
fX
= 1.717 / 29 = 59,21 Kg
f
f. MP
f
f
1
MP
35,5
F x MP
35,5
41 50
45,5
91,0
51 60
55,5
277,5
61 70
15
65,5
982,5
71 80
25
75,5
1.887,5
81 90
20
85,5
1.710,0
91 100
12
95,5
Jumlah
80
Dari tabel diatas diperoleh f = 80 dan f MP = 6.130,0
1.146,0
6.130,0
f MP
6.130,0
=
= 76,62
80
f di
)
n
__
X = Rata-rata Hitung
70
n = Jumlah observasi
di = ( MP GM ) / KI
f di = Jumlah hasil kali frekwensi dan di
langkah-langkah:
1. Buat tabel distribusi frekwensi
2. Tetapkan Mid Point ( MP )
3. Tetapkan Guessed Mean ( GM )
4. Hitung di
5. Hitung perkalian frekwensi (f) dengan di
6. Masukan data hasil perhitungan kedalam rumus.
71
Tabel 16
DISTRIBUSI FREKWENSI NILAI UJIAN MAHASISWA
NILAI UJIAN
31 40
41 50
51 60
61 70
71 80
81 90
91 100
Jumlah
f
1
2
5
15
25
20
12
80
MP
35,5
45,5
55,5
65,5
75,5
85,5
95,5
-
di
-4
-3
-2
-1
0
1
2
f x di
-4
-6
-10
-15
0
20
24
9
GM = 75,5
f di = 9
n = 80
f di
9
) = 75,5 + 10 (
) = 76,62
80
2. Median (Me)
Median adalah nilai paling tengah dari sekelompok data yang telah
disusun (array), baik untuk data tidak berkelompok maupun data
berkelompok. Sama halnya dengan Mean, Nilai Median juga digunakan
untuk menggambarkan keadaan data secara keseluruhan, namun nilai
median biasanya digunakan apabila distribusi data tidak normal (terdapat
nilai ekstrim).
a. Median Data Tidak berkelompok
Untuk data tidak berkelompok nilai median merupakan nilai yang paling
tengah, dengan demikian tergantung dari banyaknya data, bila data
berjumlah ganjil maka nilai median = jumlah data + 1 dibagi 2, tetapi bila
jumlah data genap maka nilai median ditentukan dari dua nilai yang
paling tengah dibagi 2.
72
Sebagai contoh
)
Fmed
Me = Median
KI = Panjang kelas interval
n = Jumlah observasi
F = Jumlah semua Frekwensi dengan MP < dari MP median
Fmed = Frekwensi kelas median
b = Batas bawah sebenarnya kelas median
Untuk menghitung nilai Median pada data berkelompok diperlukan tabel
distribusi frekwensi dengan Langkah-langkah penghitungan sebagai
berikut :
73
)
Fmed
F
1
f Kumulatif
1
41 50
51 60
61 70
15
23
71 80
25
48
81 90
20
68
91 100
Jumlah
12
80
80
-
Median ada pada data ke 40 dan 41 dalam hal ini ada pada frekwensi
kumulatif ke 48, dengan demikian diperoleh : b = 71; KI = 10 dan F med =
25 dan F = 23
Kemudian Masukan kedalam rumus :
. n F
Me = b + KI (
x 80 - 23
) = 70,5 + 10 (
Fmed
) = 77,3
25
3. Modus ( Mo)
Modus adalah nilai yang paling banyak muncul dalam sekelompok data,
biasanya nilai modus digunakan pada data kualitatif seperti tingkat
74
pendidikan, golongan darah dan sebagainya, tetapi nilai modus juga dapat
digunakan untuk data kuantitatif.
Tabel 18
Hasil Pengukuran Golongan Darah 100 orang Dewasa
NO
1
Golongan Darah
A
Jumlah
25
20
AB
15
40
Pada tabel diatas yang menjadi modus adalah Golongan darah O dengan
frekwensi 40
Untuk data kuantitatif, Nilai modus pada distribusi frekwensi data tidak
berkelompok ditentukan melalui frekwensi yang paling besar dari syatu
data, sebagai contoh pada tabel 9 modus adalah 46 karena frekwensi
tertinggi ada pada nilai 46 yaitu 6. Sedangkan pada data berkelompok
nilai modus ditentukan melalui rumus
b1
Mo = b + KI (
)
b1 + b2
Mo = Modus
b = Batas bawah sebenarnya kelas modus
KI = Panjang kelas interval
b1= Frekwensi kelas modus dikurangi frekwensi kelas interval dengan MP
lebih kecil dari MP Modus
b2 = Frekwensi kelas modus dikurangi frekwensi kelas interval dengan MP
lebih besar dari MP Modus
75
)
b1 + b2
f
1
41 50
51 60
61 70
15
71 80
25
81 90
20
91 100
Jumlah
12
80
Tentukan kelas dimana modus berada dalam hal ini ada pada kelas 71
80 dengan frekwensi 25, lalu Hitung b1, yaitu 25 15 = 10 dan Hitung b2, yaitu
25 20 = 5 kemudian Masukan kedalam rumus
b1
Mo = b + KI (
b1 + b2
C.
15
) = 70,5 + 10 (
) = 77,17
10 + 5
Faktor Instrinsik
Faktor intrinsik yang menyebabkan terjadinya variabilitas adalah faktorfaktor yang ada didalam obyek yang diamati/ diukur diantaranya adalah :
a. Umur
b. Jenis Kelamin
c.Keturunan
d. Status kesehatan
e. Status Gizi
77
data
tertinggi
dengan
data
terendah
sedangkan
untuk
data
b.
Banyaknya
Mahasiswa
60 62
61
63 65
18
64
66 68
42
67
69 71
27
70
72 - 74
Jumlah
8
100
73
-
atau
| Xi X | / n
78
50
50
50
50
X = 50, Me = 50
B. 50
40
30
60
70
X = 50, Me = 50
C. 100
40
80
20
10
X = 50, Me = 40
Jawab
a. MD= 1/n | Xi X | = 1/5 ( 0 |+| 0 |+| 0 |+| 0 |+| 0 | = 0/5 = 0
b. MD = 1/n | Xi X | = 1/5 (0|+|-10 |+|-20|+|10 |+|20|= 60/5 =12
c. MD = 1/n | Xi X | = 1/5 ( 50|+|-10 |+|30 |+|-30|+|-40|=160/5 = 32
Bila menggunakan Nilai Median
MD = 1/n | Xi Me | = 1/5 ( 60 |+|0|+|40|+|-20|+|-30|=150/5 = 30
b. Data berkelompok
F.| Xi X |
MD =
N
Langkah-langkah untuk menghitung Rata-rata simpangan pada
data berkelompok adalah sebagai berikut :
a. Hitung X data berkelompok
b. Hitung selisih Mid Point dengan Mean
c. Buat nilai mutlaknya ( point b )
d. Hitung perkalian Frekwensi dengan nilai mutlak
e. Hitung jumlahnya ( Point d )
f. Bagikan jumlah tsb ( point e ) dengan besar observasi ( N )
Tabel 21
Distribusi Frekwensi Data Berkelompok
79
Kelas
60 62
F
5
MP
63 65
61
F.MP
305
Xi -X
6
| Xi X |
6
F . | Xi X |
30
18
64
1152
54
66 68
42
67
2814
69 71
27
70
1890
81
72 - 74
Jumlah
8
100
73
-
584
6745
6
-
6
-
48
213
67
F.| Xi X |
MD =
213
=
= 2,13
100
Xi 2 ( X )2
SD =
=
N
Xi 2
SD =
X2
N
Tabel 22
Distribusi Data Tidak berkelompok
Berat Badan
12
Xi - X
2
( Xi - X )2
4
13
14
15
16
70
2
-
4
10
X = 70 / 5 = 14
80
( Xi X )2
SD =
N
10
= 2 = 1,4
SD =
5
Tabel 23
Distribusi Data Tidak berkelompok
Berat Badan
12
13
14
15
16
70
X2
144
169
196
225
256
990
X = 70 / 5 = 14
Xi 2
SD =
X2
N
990
SD =
14 2 =
198 196
= 1,4
5
b.Standar Deviasi Data Berkelompok ( Grouped data )
f ( Xi X ) 2
SD =
N
f Xi 2
( X )2
SD =
fd 2
SD =
( fd ) 2
x CI
Short Metode
81
Tabel 24
Distribusi Data Berkelompok
Berat Badan
MP
f.MP
Xi - X
( Xi - X )2
60 62
61
305
-6,45
41,6
208
63 65
18
64
1152
-3,45
11,9
214,2
66 68
42
67
2814
0,45
0,2
8,4
69 71
27
70
1890
2,55
6,5
175,5
72 - 74
73
584
5,55
30,8
246,4
Jumlah
6745
f ( Xi - X )2
91
852,5
f ( Xi X )2
SD =
N
852,2
SD =
=
100
8.522 = 2,92
Tabel 25
Berat Badan
MP
d2
fd
fd 2
60 62
61
-10
20
63 65
18
64
-18
18
66 68
42
67
69 71
27
70
27
27
72 - 74
73
16
32
10
15
97
Jumlah
82
fd 2 ( fd ) 2
N
N
SD =
97
SD =
( 15 ) 2
100
SD =
SD =
x CI
x 3
100
0,97 0,0225
x 3
4. VARIANCE.
Variance = SD 2 ---------------------- SD = Variance
Coeficients of Variance (Koefisien Varians) = COV adalah Nilai yang
digunakan untuk membandingkan variasi dua kelompok nilai
Untuk Populasi COV = / x 100 %
Untuk sampel COV = SD / X
Dari tabel dibawah ini Manakah yang lebih bervariasi antara harga 5 buah
mobil bekas dengan harga 5 ekor ayam.
Tabel 26
Distribusi Harga Mobil Bekas Dan Harga Ayam
Mobil
A
Harga
4.250.000
Ayam
1
Harga
5.500
4.500.000
8.000
4.000.000
6.000
5.000.000
9.000
4.750.000
10.000
83
Tabel 22
Distribusi Harga Mobil Bekas
Harga Mobil
Xi X
( Xi X ) 2
4.000.000
-500.000
250.000.000.000
4.250.000
-250.000
62.500.000.000
4.500.000
4.750.000
250.000
0
62.500.000.000
5.000.000
500.000
250.000.000.000
22.500.000
625.000.000.000
22.500.000
X=
= 4.500.000
5
( Xi X )2
SD =
N
625.000.000.000
SD =
=
5
125.000.000.000 = 353.553
Harga Ayam
Xi - X
( Xi X ) 2
5.500
2.200
4.840.000
6.000
1.700
2.890.000
8.000
300
9.000
1.300
90.000
1.690.000
84
10.000
2.300
38.500
5.290.000
14.800.000
38.500
X = -------------------- = 7.700
5
( Xi X )2
SD =
N
14.800.000
SD =
=
5
85
BAB VI
BIOSTATISTIK INFERENS
A. ESTIMASI
Estimasi
adalah
86
Estimasi titik ini mempunyai kelemahan, yaitu kita tidak dapat mengeathui
berapa kuat kebenaran dugaan kita dan berapa besarnya kemungkinan
untuk salah.
( estimasi interval )
2. Estimasi Interval ( selang ).
Dasar dari estimasi interval adalah bahwa sampel-sampel yang diambil
dari suatu populasi akan berdistribusi disekitar ( normal ) dengan
simpangan baku = .
Didalam estimasi interval kita menentukan batas maksimum dan batas
minimum terletaknya nilai . Jarak dari batas tertinggi dan terendah ini
ditentukan sebagai Confidence interval = Confiden limit = CI, yaitu luas
dibawah kurva normal dan ditentukan dengan persentase, misalnya 90 %,
95 % 99 %
Rumus Umum :
= X + Z . SE atau X + Z . / n
X = Nilai Rata-rata sampel
Z = Deviasi relatif ( Standar score yang besarnya ditentukan
Confidence Interval ).
= Nilai Populasi yang di estimasi
SE = Standart Error = / n
n = Besar Sampel
Contoh :
Dari suatu sampel random sebanyak 100 orang ibu hamil yang diambil di
kabupaten cianjur didapatkan rata-rata kadar Hb = 9,6 gr%. Simpangan
baku dalam populasi 5 gr% dengan confiden interval 95 %. Brapakah
Rata-rata kadar Hb ibu hamil di Kabupaten Cianjur ?:
87
Sehingga
SE = Standart Error = SD / n
88
n = Besar Sampel
Contoh :
Dari 25 ibu hamil yang diambil secara random didapatkan kadar Hb 9 gr% dan
simpangan baku 7,7 %, maka estimasi menjadi :
X = 9 gr%
SD = 7,7 gr%
n = 25
Dengan demikian
89
hubungan
memang
ada.
Dengan
demikian
uji
hipotesis
akan
90
* Tidak ada perbedaan berat badan bayi yang dilahirkan ibu perokok
dengan ibu tidak perokok.
* Tidak ada hubungan antara merokok dengan berat badan bayi.yang
dilahirkan
b. Hipotesis alternatif ( Ha ), yaitu hipotesis yang menyatakan ada
perbedaan suatu kejadian antara dua kelompok atau menyatakan ada
hubungan antara variabel yang satu dengan variabel yang lain.
Pernyataan ini timbul karena asumsi yang kita miliki.
Contoh :
* Ada perbedaan berat badan bayi yang dilahirkan ibu perokok dan ibu
tidak perokok.
* Ada hubungan antara merokok dengan berat badan bayiyang
dilahirkan
3. Arah/Bentuk Hypotesis
.
91
dari berat
Level )
b. Kesalahan tipe II ( ), yaitu kesalahan tidak menolak Ho padahal
sesungguhnya Ho salah. Peluang untuk membuat kesalahan tipe II
adalah sebesar dan peluang untuk tidak membuat kesalahan
kesalahan tipe II adalah sebesar 1 dan dikenal dengan Tingkat
Kekuatan Uji ( Power of The Test )
Populasi
Ho Benar
Benar ( 1 )
Kesalahan Tipe 1 ( )
Ho Salah
Kesalahan Tipe II ( )
Benar ( 1 )
Dalam uji hipotesis kita menghendaki nilai dan yang kecil, tetapi sulit
dicapai karena pilihannya hanya menolak atau gagal menolak sehingga
92
bila makin kecil maka semakin besar. Karena pilih salah satu dan
biasanya yang digunakan adalah nilai .
Besarnya nilai ditentukan dari tujuan dan kondisi penelitian, nilai yang
sering digunakan adalah 1 %, 5 % dan 10 %. Untuk bidang kesehatan
yang dapat berakibat fatal menggunakan nilai yang kecil yaitu 1 % ,
misalnya penelitian mengenai obat-obatan. Sedangkan yang tidak
berakibat fatal seperti hubungan antara ibu perokok dengan berat badan
bayi biasanya menggunakan 5 % atau 10 % ( biasanya 5 % )
5. UJI STATISTIK
Uji statistik ada dua, yaitu Paramertik dan Non parametrik.
a. Uji Statistik Parametrik digunakan apabila :
93
94
X -
Z = --------------- = ----------SE
/n
Z = Nilai Z Hasil Perhitungan
X = Rata-Rata sampel
= Rata-Rata Populasi
= Jumlah Sampel
Contoh Soal :
Diketahui kadar kolesterol orang dewasa normal adalah 200 gr/ 100 ml dengan
standar deviasi 56 gr.
Seorang peneliti melakukan pengukuran kadar kolesterol 49 orang penderita
hipertensi . Diperoleh rata-rata kadar kolesterolnya 220 gr/ 100 ml. Peneliti ingin
menguji apakah kadar kolesterol penderita hipertensi berbeda dengan kadar
kolesterol orang dewasa ?
Penyelesaian :
= 200 gr/ 100 ml
= 56 gr
1. Tetapkan Hipotesis :
95
b. Pendekatan Probabilistik
Bandingkan P Nilai Z ( dari tabel ) dengan
Bila P dari Z <
maka Ho : Ditolak
96
X = Rata-Rata sampel
= Rata-Rata Populasi
= Jumlah Sampel
Contoh Aplikasi
Diketahui kadar kolesterol orang dewasa normal adalah 200 gr/ 100 ml. Seorang
peneliti melakukan pengukuran kadar kolesterol 49 orang penderita hipertensi .
Diperoleh rata-rata kadar kolesterolnya 220 gr/ 100 ml dengan standart Deviasi
21gr/ 100 ml. Peneliti ingin menguji apakah kadar kolesterol penderita hipertensi
berbeda dengan kadar kolesterol orang dewasa ?
Penyelesaian :
Diketahui : Rata-rata Pada populasi
= SD = 21 gr
1. Tetapkan Hipotesis :
Hipotesis : Ho : Tidak ada perbedaan kadar kolesterol penderita hipertensi
dengan orang dewasa
97
X-u
t = -----------SD / n
220 200
20
20
98
Dari
Penyelesaian :
Diketahui : Proporsi Pada populasi = P = 50 %. = 0,5
Proporsi pada Sampel = p = 45/ 100 = 0,45
Jumlah Sampel
= n = 100
1. Tetapkan Hypotesis
Hipotesis : Ho : Tidak ada perbedaan proporsi balita penderita diare pada
penelitian dengan populasinya
Ha
99
p-P
Z = -------------- P . Q /N
0,45 0,5
0,05
0,05
0,05
df2 = n2 1
100
Setelah diketahui apakah varian sama atau berbeda baru dapat dilakukan
Uji Beda Dua sample Independent dengan menggunakan rumus yang
sesuai.
Uji beda dua sampel dapat dengan Uji Z bila SE diketahui dan sampel > 30
( distribusi normal ). Biasanya digunakan Uji t karena biasanya SE tidak
diketahui.
1) Varian Sama
Rumus :
X1 X2
t = ------------------------------Sp (1/ n1) + (1/ n2)
(n1-1) SD12 + (n2 -1) SD22
Sp = -----------------------------------------df
2
df = n1 + n2 2
t = Nilai t Hasil Perhitungan
X1 = Rata-rata kelompok 1
X2 = Rata-rata kelompok 2
Sp = Simpangan Baku Dua Kelompok
Sp2 = Varians Dua kelompok
n1 = Jumlah sampel kelompok 1
n2 = Jumlah sampel kelompok 2
SD12 = Varians Kelompok 1
SD22 = Varians Kelompok 2
Df = Degree Of Freedom/ Derajat Bebas
Contoh Aplikasi
101
102
( n1 1 ) SD12 + ( n2 1 ) SD22
Sp = ----------------------------------------------n1 + n 2 - 2
2
( 25 1 ) 52 + ( 20 1 ) 42
600 + 304
904
Sp = ------------------------------------- = --------------------- = -------- = 21,025
25 +20 2
43
43
2
X1 X2
84 - 78
6
6
t = ---------------------------- = -------------------------- = --------------------- = ----------------Sp ( 1/n1) + ( 2/n2)
4,58 1/25 + 1/20
4,58 0,4+0,5
4,58 0,9
6
6
= --------------- = ------------ = 4,36
4,58 x 0,3
1,374
t hitung > t tabel maka P < 0,05
Keputusan
: Ho ditolak
2) Varian Berbeda
Rumus :
X1 X2
t = --------------------------------------- (SD12/ n1) + (SD22/ n2)
df = { (SD12/ n1) + (SD22/ n2) }2
t = Nilai t Hasil Perhitungan
X1 = Rata-rata kelompok 1
X2 = Rata-rata kelompok 2
n1 = Jumlah sampel kelompok 1
n2 = Jumlah sampel kelompok 2
SD12 = Varians Kelompok 1
SD22 = Varians Kelompok 2
103
n1 = 25 orang
SD1 = 6 mg
X2 = 78 mg
n2 = 20 orang
SD2 = 4 mg
X1 X2
84 78
t = ---------------------------------- = ------------------------------- =
(SD12/n1) + ( SD22/n2)
(36/ 25) + ( 16/ 20)
6
6
6
= ------------------ = ------------- = -------- = 4
1,44 + 0,8
2,44
1,5
t hitung = 4 dan t tabel = 2.509 maka t hitung > t tabel maka P < 0,05
Keputusan
: Ho ditolak
105
n1 . X1 + n2 . X2 + . . . + nk . Xk
X = -------------------------------------------------n
df : Pembilang : k 1
Penyebut : n k
Contoh Soal :
Suatu penelitian ingin mengetahui kadar folat sel darah merah pada tiga zat
pembius (anestesi) yang berbeda.
sebagai berikut :
Kelompok I
: 243
251
275
291
347
354
380
392
Kelompok II : 206
210
226
249
255
273
285
295
258
270
293
328
309
BONFERONI
Uji lanjutan dari Anova untuk mengetahui kelompok mana saja yang berbeda bila
hasil uji Anova ada perbedaan
Xi - Xj
t = ------------------------------ Sw2 [(1/ni) + (1/nj)
* = -------C
df = n - k
106
30
32
28
29
31
27
Dosis 10 gr/ Lt
27
24
29
26
25
24
menit
Dosis 15 gr/ Lt
21
24
20
22
23
21
Menit
menit
Apakah ada perbedaan lamanya membunuh kecoa dari ketiga dosis tersebut ?
Bila ada, dosis mana saja yang berbeda ?
Chi Square : Analisis data katagorik dengan cara membandingkan frekwensi yang
diamati dengan frekwensi yang diharapkan Apakah perbedaan
bermakna atau factor variasi sample.
Tabel Hasil Pelemparan 100 Kali Sebuah Mata Uang Logam
O (Observed)
E (Expected)
O-E
(O E)2
(O E)2 / E
40
50
-10
100
60
50
10
100
Total
100
100
200
(O E)2
Rumus : X = ------------E
2
df = (b-1) (k 1)
Type Uji X2
1. Uji Asosiasi 2 Variabel ( Independensi )
107
2. Uji Homogenitas
3. Uji Beda Proporsi (Kasus Kontrol)
4. Uji Goodness of Fit
Konsumsi Alkohol
Tidak
Ringan
Sedang
Berat
Total
1880
2048
194
76
4198
(30,5 %)
(45,7 %)
(53 %)
(67,3 %)
(37,7 %)
4290
2430
172
37
6929
(69,5 %)
(54,3 %)
(47 %)
(32,7 %)
(62,3 %)
6170
4478
366
113
11127
(55,5 %)
(40,2 %)
(3,3 %)
(1 %)
(100 %)
SEX
Laki-laki
Perempuan
Jumlah
PENDAPAT RESPONDEN
SETUJU
TIDAK
TIDAK TAHU
SETUJU
55
65
15
90
70
5
145
135
20
JUMLAH
135
165
300
KEBIASAAN MEROKOK
Tidak merokok
Perokok Ringan
Perokok Berat
PJK
YA
40
50
60
TIDAK
160
100
40
JUMLAH
200
150
100
108
Jumlah
150
300
450
( PJK ) ?
SEMBUH
Ya
80
60
140
Tidak
120
90
210
JUMLAH
200
150
350
109
df
0,30
0,20
0,10
0,05
0,01
0,005
0,001
0,455
1,074
1,642
2,706
3,481
6,635
7,88
10,827
0,139
2,408
3,219
3,605
5,591
9,210
10,6
13,815
2,366
3,665
4,642
6,251
7,815
11,34
12,8
16,226
3,357
4,878
5,989
7,779
9,488
13,28
14,9
18,467
4,351
6,064
7,289
9,236
11,070
15,09
16,7
20,515
5,348
7,231
8,558
10,65
12,59
16,81
18,5
22,457
6,346
8,383
9,803
12,02
14,02
18,48
20,3
7,344
9,524
11,030
13,36
15,51
20,090
22,0
24,322
26,125
8,343
10,66
12,24
14,68
16,92
21,67
23,6
27,877
10
9,342
11,78
13,44
15,99
18,31
23,21
25,2
29,588
11
10,34
12,9
14,63
17,28
19,68
24,73
26,8
31,264
12
11,340
14,01
15,81
18,55
21,03
26,22
28,3
32,909
13
12,340
15,190
16,99
19,81
22,37
27,69
29,8
34,528
14
13,33
16,22
18,15
21,06
23,69
29,14
31,3
36,123
15
14,34
17,32
19,31
22,31
25
30,58
32,8
37,697
16
15,34
18,42
20,47
23,54
26,3
32,000
34,3
17
16,34
19,51
21,62
24,79
27,59
33,41
35,7
18
17,34
20,6
22,76
26,03
28,87
34,81
37,2
19
18,34
21,69
23,900
27,27
30,14
36,19
38,6
20
19,34
22,78
25,04
28,51
31,410
37,57
40,0
43,315
21
20,34
23,86
26,17
29,62
32,67
38,93
41,4
22
21,34
24,94
27,3
30,81
33,92
40,29
42,8
23
22,34
26,02
28,43
32,01
35,17
41,64
44,2
24
23,34
27,1
29,55
33,19
35,42
42,98
45,6
25
24,34
28,17
30,68
34,38
37,65
44,31
46,9
26
25,34
29,25
31,8
35,56
38,89
45,64
48,3
27
26,34
30,32
32,91
36,74
40,11
46,96
49,6
110
28
27,34
31,39
34,03
37,92
41,34
48,28
51,0
29
28,34
32,46
35,14
39,09
42,56
49,59
52,3
30
29,34
33,530
36,250
40,26
43,78
50,89
53,7
59,703
40
39,3
51,8
55,8
63,7
63,7
73,402
50
49,3
63,2
67,5
76,2
79,5
86,661
60
59,3
74,4
79,1
88,4
92
99,607
111