BIOSTATISTIK (Catatan Ringkas)

BIOSTATISTIK

(BIOSTATISTIC INTRODUCTION)

Adalah sekumpulan konsep atau metode yg digunakan untuk mengumpulkan, pengolahan, penyajian dan analisis data termasuk cara mengambil kesimpulan dalam situasi dimana ada ketidak pastian dan variasi berdasarkan konsep probabilitas

Pembagian statistik:

1.      Statistik Deskriptif:

•         Bagaimana data dikumpulkan dan disajikan.    

•         Mendeskripsikan keadaan yang ditemukan pada obyek yang dihadapi

2.      Statistik Inferensi:

•         Bagaimana menganalisis data dan menginterpretasikan hasil analisis
tersebut

•         Menginferensi / mengeneralisasi hasil sampel terhadap populasi

Statistik parametrik

•         dasar inferensinya berasal dari data yang memenuhi kriteria distribusi normal.

Statistik non parametrik :

•         dasar inferensinya berasal dari data yang tidak memenuhi kriteria distribusi normal atau data dg skala pengukuran nominal/ordinal.

Sejarah Statistik

• Statistik berasal dari bahasa Yunani (states): artinya negara, waktu itu banyak digunakan untuk urusan negara misalnya biaya pajak, jumlah penduduk sehingga muncul istilah statistik penduduk, statistik pendidikan, statistik kelahiran, statistik kematian
• Statistika adalah ilmu yang mempelajari hal-hal yang berhubungan dengan data, serta sifat-sifat data
• Biostatistik adalah statistik tentang makluk hidup (termasuk kesehatan)

• Statistika: metode (prosedur, ilmu) untuk pengumpulan, pengorganisasian, penyajian, dan analisa data
• Statistik: ukuran (karakter, besaran) dari sampel, merupakan informasi
• Contoh: rata-rata hitung (rerata, mean), median, modus, proporsi, jangkauan (range)
• BB (berat badan) adalah data , bukan statistik
• Rata-rata BB mahasiswa Stikes Pemda adalah Statistik

Langkah Statistik:

1. Pengumpulan data
2. Pengolahan data
3. Penyajian data
4. Penganalisaan data
5. Penarikan kesimpulan

• Langkah berurutan, tidak dapat dibolak-balik
• Statistik merubah data menjadi informasi

Contoh Statistik

• Data umur mahasiswa: 18, 19, 18, 20, 21, 20, 19, 23, 19, 20, 19, 20, 21, 22, 20
• Informasi apa yang dapat diambil dari data umur mahasiswa diatas?

Syarat Statistik
1. Merupakan agregat
2. Diperoleh dengan menghitung atau mengukur
3. Mempunyai variabilitas

Agregat

• Agregat adalah kumpulan fakta yang diperoleh dari obyek yang kita amati
• Cara memperoleh agregat: mengamati satu/sekelompok obyek secara berulang

Misal:

• Agregat umur: 12, 13, 12, 15, 16
• Agregat agama: Islam, Katolik, Kristen, Budha, Hindu
• Agregat status nikah: tidak menikah, menikah, duda, janda

Beda Menghitung dan Mengukur

• Menghitung: tidak ada alat ukurnya, bentuk angkanya bulat, tidak ada satuanya
• Misal: jumlah mahasiswa, jumlah buku
• Mengukur: ada alat ukurnya, bentuk angkanya desimal, ada satuanya
• Misal: suhu tubuh, tekanan darah, berat badan, tinggi badan

Kegunaan Statistik

• Memberikan gambaran tentang suatu objek secara lengkap dan ringkas
• Membandingkan kejadian satu dengan kejadian lainya dengan memakai acuan waktu atau tempat
• Membuat ramalan pada kejadian yang sama dimasa yang akan datang

Ruang Lingkup

• Statistik deskriptif/deduktif adalah statistik yang bertujuan menggambarkan ciri suatu obyek berdasarkan data yang diperoleh, tanpa tindak lanjut (mencari penyebab)
• Misal:
• Statistik kunjungan Puskesmas
• Statistik penderita Ca servix di poli kandungan

• Statistik Inferensial/ induktif adalah statistik bertujuan menaksir secara umum suatu populasi dengan menggunakan hasil sampel, termasuk didalamnya teori penaksiran dan pengujian teori
• Misal:
• Uji faktor yang mempengaruhi kunjungan Puskesmas
• Uji faktor pengaruh antara umur ibu dengan ca servix

Pendekatan Statistik

• Pendekatan/ cara berpikir statistik dibagi:
• Cara berpikir Deduktif adalah mengambil kesimpulan dari data yang bersifat umum ke kesimpulan yang bersifat spesifik
• Kesimpulan yang ditarik adalah benar, jika premis (dasar pemikiran) benar dan prosedur penarikan kesimpulan benar

Contoh:

• Premis mayor: semua manusia akan mati
• Premis minor: Si Fulan adalah manusia
• Kesimpulan: Si Fulan akan mati

• Cara berpikir Induktif adalah mengambil kesimpulan dari data yang bersifat sfesifik ke kesimpulan yang bersifat umum
• Walaupun premis benar, prosedur penarikan kesimpulan sah, kesimpulan belum tentu benar, tetapi bisa dikatakan bahwa kesimpulan tsb mempunyai peluang benar

Contoh:

• Si Amir berkaki dua
• Si Santi berkaki dua
• Si Heru berkaki dua
• Si Lina berkaki dua
• Si Hasan berkaki dua
• Amir, Santi, Heru, Lina, Hasan adalah manusia
• Kesimpulan: semua manusia (mempunyai peluang besar) berkaki dua

REFERENSI:

1. Budiarto, 2004, Metodologi Penelitian Kedokteran, Sebuah Pengantar, Jakarta, EGC
2. Hasan, 2005, Pokok Pokok Materi Statistik 1 (statistik Deskriptif), Jakarta, Bumi Aksara
3. Hasan, 2005, Pokok Pokok Materi Statistik 2 (statistik Infereansif), Jakarta, Bumi Aksara
4. Nasution, 2004, Metode research (penelitian Ilmiah), Jakarta, Bumi Aksara
5. Silalahi, 2003, Metodologi Penelitian dan Studi Kasus, Sidoarjo, Citramedia
6. Tjokronegoro, 2004, Metologi Penelitian Bidang kedokteran, Jakarta, Balai Penerbit Fakultas Kedokteran Universitas Indonesia.

PENGUKURAN NILAI TENGAH

Apa Itu Nilai Tengah

• Tendensi sentral atau nilai tengah: ialah angka yang mewujudkan nilai yang terletak ditengah dari hasil observasi pada suatu agregat

Macam tendensi sentral:

1. Mean
2. Median
3. Modus

Mean

• Mean adalah nilai yang diperoleh dengan cara menjumlahkan semua nilai pengamatan dibagi jumlah semua pengamatan dalam agregat

Sifat mean adalah:

• Mempertimbangkan semua nilai pengamatan
• Dapat dimanipulasi secara matematis, sehingga dapat dipergunakan untuk keperluan statistik
• Hanya berlaku untuk data kuantitatif
• Sangat dipengaruhi oleh nilai ekstrem besar atau kecil

Rumus Mean Data Distribusi Tunggal

X = ∑x / n

• X = mean
• ∑x = hasil penjumlahan nilai observasi
• n = jumlah observasi

Contoh Soal

• Sepuluh pegawai di PT Samudra penghasilan sebulanya dalam satuan ribu rupiah adalah sebagai berikut:
• 90, 120, 160, 180, 190, 90, 180, 70, 160, 100
• Me = (90+120+160+180+190+90+180+70+160+100) : 10 = 150
• Jadi penghasilan rata-rata pegawai di PT Samudra = Rp.150.000,-

Median

• Median: merupakan nilai observasi yang terletak ditengah setelah data pengamatan diurutkan menurut besar kecilnya (array data)

Sifat nilai median:

• Median mudah dihitung dan mudah dimengerti
• Dipengaruhi jumlah observasi
• Tidak dipengaruhi oleh nilai observasi
• Sering dipakai pada distribusi frekuensi yang miring
• Digunakan pada data yang bersifat kuantitatif maupun kualitatif berskala ratio, interval maupun ordinal

• Untuk menentukan nilai median harus terlebih dahulu diurutkan dan ditentukan posisi dengan cara:
• Bila seri pengamatan genap, maka posisi median n/2
• Bila seri pengamatan ganjil, maka posisi median n+1 / 2

Contoh Median

• Tinggi badan 11 Mhs Stikes Pemda: 180, 171, 170, 167, 166, 165, 164, 160, 147, 145, 144
• Berat badan 10 Mhs Stikes Pemda: 39, 45, 52, 43, 37, 51, 65, 56, 71, 44
• Pendidikan 5 Dosen Stikes Pemda: D3, S2, S1, S1, D3
• 50, 60, 70 Median à 60
• 50, 60, 70, 100.000 Median à (60+70)/2 = 65
• SD, SMP, PT Median à SMP
• SD, SD, SD, PT Median à SD
• SD, SD, SMP, PT Median à antara SD dan SMP

Modus

• Modus adalah nilai yang memiliki frekuensi terbanyak atau sering muncul

Sifat modus adalah:

• Tidak dipengaruhi nilai ekstrim
• Digunakan baik pada data kualitatif (nominal dan ordinal) maupun data kuantitatif (interval dan rasio)

Contoh Modus


Data kualitatif

• Kebanyakan Mahasiswa di Jogja naik sepeda
• Kebanyakan pemuda Indonesia merokok
• Pada umumnya Pegawai Negeri Sipil tidak disiplin
• Pada umumnya warna mobil tahun 70-an adalah cerah, sedangkan tahun 80-an adalah gelap

Data kuantitatif

• Data umur pegawai di Departemen X adalah: 20, 45, 60, 56, 45, 45, 20, 19, 57, 45, 45, 51, 35

Modus Data Kelompok

Modus = b + p (f1 / (f1+f2))

• b = batas klas bawah frekuensi terbanyak
• p = panjang klas
• f1 = frek klas terbanyak – f sebelumnya
• f2 = frek klas terbanyak – f sesudahnya

Median Data Kelompok

Median = b + p (1/2n – F / f)

• b = batas bawah, dimana median akan terletak
• p = panjang klas
• n = banyak data
• F = cf = jumlah semua frekuensi sebelum klas median
• f = frekuensi klas median

Mean Data Kelompok

Mean = ∑f x / f

• f = jumlah data
• x = nilai rata-rata batas interval/ midpoint kelas interval
• Misal interval: 21 – 30 → x = 21 + 30 / 2 = 25,5

Contoh Soal Nilai Tengah
Hitungan Modus

• Klas modus = klas ke-4 (f=30)
• b = 51 – 0,5 = 50,5
• f1 = 30 – 18 = 12
• f2 = 30 – 20 = 10
• Modus = 50,5 + 10 (12 / (12+10)) = 55,95

Hitungan Median
Klas median = klas ke-4 (f=30)

• b = 51 – 0,5 = 50,5
• p = 10
• f = 30
• F = cf = 2 + 6 + 18 = 26
• Median = 50,5 + 10 ((50-26) / 30)

Hitungan Mean

• Mean = 6072/100 = 60,72

Latihan

• Hasil pemeriksaan tinggi badan pada 10 Mhs: 171, 168, 158, 172, 165, 158, 169, 164, 178, 163
• Berapa tinggi rata-rata atau mean tinggi badan Mhs tersebut?
• Mean = 166,6 cm

• Hasil ujian UTS biostatistik Mahasiswa Stikes dengan nilai rata-rata 65,9. sedangkan hasil ujian UAS rata-rata 71,2. Berapa mean nilai tersebut jika UTS diberi bobot 1 dan UAS diberi bobot 2
• (65,9 x 1) + (71,2 x 2) / (1 + 2) =
• Mean = 69,4

• Berat badan 15 Mhs Stikes: 51, 54, 55, 58, 63, 64, 65, 68, 69, 71, 72, 78, 79, 80
• Berapa mean, median, modus?
• Mean = 65,7
• Median = 65
• Modus = 58

Latihan
Hasil nilai ujian 40 Mhs Stikes dibagi menjadi 4 group sebagai berikut:




Hitung: Mean, Modus dan Median?

REFERENSI:

1. Budiarto, 2004, Metodologi Penelitian Kedokteran, Sebuah Pengantar, Jakarta, EGC
2. Hasan, 2005, Pokok Pokok Materi Statistik 1 (statistik Deskriptif), Jakarta, Bumi Aksara
3. Hasan, 2005, Pokok Pokok Materi Statistik 2 (statistik Infereansif), Jakarta, Bumi Aksara
4. Nasution, 2004, Metode research (penelitian Ilmiah), Jakarta, Bumi Aksara
5. Silalahi, 2003, Metodologi Penelitian dan Studi Kasus, Sidoarjo, Citramedia
6. Tjokronegoro, 2004, Metologi Penelitian Bidang kedokteran, Jakarta, Balai Penerbit Fakultas Kedokteran Universitas Indonesia.

PENGUKURAN DISPERSI

Pengertian Dispersi

• Ukuran Dispersi/ Variasi/ Penyimpangan adalah ukuran yang menyatakan seberapa jauh penyimpangan nilai-nilai individu terhadap nilai pusatnya (rata-rata)
• Jenis ukuran dispersi ada 4:
• Jangkauan = Range
• Deviasi rata-rata = Simpangan rata-rata
• Varians
• Simpangan baku = Standar Deviasi

Range

• Range atau Jangkauan adalah selisih nilai terbesar dengan nilai terkecil
• Range data tunggal:
• Contoh: Tentukan range data berikut:
• 7,4,11,1,9, 8
• Range = 11 – 1 = 10

Contoh Soal

• Sepuluh pegawai Stikes Jombang, gaji masing-masing tiap bulanya dalam ribuan rupiah adalah sbb:
• 50, 75, 150, 170, 175, 190, 200, 400, 600, 700
• Berapa range gaji pegawai tsb?
• Range: 700 – 50 = 650
• Makin besar range → makin bervariasi

Range Data Kelompok
Cara menghitung range data kelompok:
1. Selisih titik tengah kelas tertinggi dengan titik tengah kelas terendah
2. Selisish tepi atas kelas tertinggi dengan tepi bawah kelas terendah

Contoh Soal Range

Hitung range data kelompok diatas;

• Titik tengah kelas terendah = 142
• Titik tengah kelas tertinggi = 172
• Tepi bawah kelas terendah = 139,5
• Tepi bawah kelas tertinggi = 174,5
• Range = 172 – 142 = 30
• Range = 174,5 – 139,5 = 35

Deviasi Rata-rata

• Deviasi rata-rata: adalah nilai rata-rata hitung dari harga mutlak simpangannya

Deviasi rata-rata data tunggal:

DR = ∑ ⅼ X – X1 ⅼ/ n =

X = nilai individu
X1 = nilai rata-rata
n = jumlah data

Contoh Soal
Tentukan deviasi rata-rata dari:

• 2, 3, 6, 8, 11
• X1 = (2+3+6+8+11) / 5 = 6
• Cara mencari deviasi rata-rata dapat menggunakan tabel bantu sbb:
• DR = 14 / 5 = 2,8

Tabel Bantu

Deviasi Rata-rata Kelompok

Rumus:

DR = (∑ f ⅼ X – X1 ⅼ) / n

• f = frekuensi kelompok
• X = nilai tengah kelompok
• X1 = rata-rata nilai tengah kelompok
• n = jumlah f

Contoh Soal Deviasi Kelompok 1

Contoh Soal Deviasi Kelompok 2

DR = (∑ f ⅼ X – X1 ⅼ) / n

DR = 282 / 50 = 5,64

Varians

• Varians merupakan jumlah kuadrat semua deviasi nilai-nilai individu terhadap rata-rata nilai kelompok
• Akar varians disebut standart deviasi atau simpangan baku
• Varians sample = s2
• Varians populasi = σ2 (sigma)

Varians Data Tunggal
Untuk sample besar (>30)

s2 = ∑ (X – X1)2 / n

• s2 = Varians
• X = nilai individu
• X1 = nilai rata-rata
• n = jumlah data

Untuk sample kecil (n≤30)

s2 = ∑ (X – X1)2 / n-1

• s2 = Varians
• X = nilai individu
• X1 = nilai rata-rata
• n = jumlah data
• Varians Data Kelompok

Varians Data Kelompok
Untuk sample besar (>;30)

s2 = ∑ f(X – X1)2 / n

• s2 = Varians
• f = frekuensi kelompok
• X = nilai tengah kelompok
• X1 = rata-rata nilai tengah kelompok
• n = jumlah f

Untuk sample kecil (n≤30)

s2 = ∑ f(X – X1)2 / n-1

• s2 = Varians
• f = frekuensi kelompok
• X = nilai tengah kelompok
• X1 = rata-rata nilai tengah kelompok
• n = jumlah f

Contoh Soal
Tentukan varians dari data:

• 2, 3, 6, 8, 11
• n = 5
• X1 = (2+3+6+8+11)/5 = 6

Contoh Soal Varian

s2 = ∑ (X – X1)2 / n-1

(54)/ (5-1) = 13,5

Contoh Soal Varians 2

Contoh Soal Varians 3

X1 =(66+69+72+75+78+81) / 6 = 73,425

s2 = ∑ f(X – X1)2 / n

s2 = (467,790) / 40 =
11,694

Standart Deviasi (SD)

• Simpangan Baku atau Standart deviasi adalah akar dari varians
• Standart Deviasi sample = s
• Standart Deviasi populasi = σ (sigma)

Untuk sample besar (> 30)

s = √ ∑ (X – X1)2 / n

• s = Standart Deviasi
• X = nilai individu
• X1 = nilai rata-rata
• n = jumlah data

Untuk sample kecil (n≤30)

s = √ ∑ (X – X1)2 / n-1

• s = Standart Deviasi
• X = nilai individu
• X1 = nilai rata-rata
• n = jumlah data

Data Kelompok
Untuk sample besar (>30)

s = √ ∑ f(X – X1)2 / n

• s = Standart Deviasi
• f = frekuensi kelompok
• X = nilai tengah kelompok
• X1 = rata-rata nilai tengah kelompok
• n = jumlah f

Untuk sample kecil (n≤30)

s = √ ∑ f(X – X1)2 / n-1

• s = SD (standart deviasi)
• f = frekuensi kelompok
• X = nilai tengah kelompok
• X1 = rata-rata nilai tengah kelompok
• n = jumlah f

Contoh Soal
Berikut adalah sample nilai UTS Biostatistik dari sekelompok Mahasiswa Stikes Pemda Jombang:
30, 35, 42, 50, 58, 66, 74, 82, 90, 98
Tentukan Simpangan Bakunya!

Contoh soal varians 4

s = √ ∑ (X – X1)2 / n-1


s = √ 4.950,5 / 9

√ 550,056 = 23,45

Contoh Soal Varians 5

Contoh Soal Varians 6

X1 = ∑fx / ∑f = 5.585 / 100 = 55,85

s = √ ∑ (X – X1)2 / n

S = √ (5.342,75) / 100 =
7,31

REFERENSI:

1. Budiarto, 2004, Metodologi Penelitian Kedokteran, Sebuah Pengantar, Jakarta, EGC
2. Hasan, 2005, Pokok Pokok Materi Statistik 1 (statistik Deskriptif), Jakarta, Bumi Aksara
3. Hasan, 2005, Pokok Pokok Materi Statistik 2 (statistik Infereansif), Jakarta, Bumi Aksara
4. Nasution, 2004, Metode research (penelitian Ilmiah), Jakarta, Bumi Aksara
5. Silalahi, 2003, Metodologi Penelitian dan Studi Kasus, Sidoarjo, Citramedia
6. Tjokronegoro, 2004, Metologi Penelitian Bidang kedokteran, Jakarta, Balai Penerbit Fakultas Kedokteran Universitas Indonesia.

Apa Itu Variabel

• Variabel: adalah suatu sifat atau fenomena yang menunjukan sesuatu yang dapat diamati dan nilainya berbeda-beda

Sesuatu dikatakan variabel, jika:

• Mempunyai nama
• Dapat diamati atau diukur
• Nilainya berbeda-beda
• Memiliki definisi verbal
• Ada kelompok penggolongan atau satuan

Contoh variabel tinggi badan:

• Nama : tinggi badan
• Dapat diukur : dapat
• Nilai pengukuran : berbeda
• Definisi verbal : jarak antara kepala – kaki
• Satuan : centimeter

• Bagian dari variabel disebut: atribut
• Variabel: jenis kelamin, tingkat pendidikan
• Atribut: laki, perempuan →atribut dari variabel jenis kelamin
• Atribut: SD, SMP, SMA, PT → atribut dari variabel tingkat pendidikan

Subyek dan Obyek Penelitian

• Jika kita akan meneliti tingkat pengetahuan ibu hamil → maka ibu hamil disebut subyek penelitian →sedangkan tingkat pengetahuan disebut obyek penelitian
• Meneliti jumlah kunjungan Puskesmas → Puskesmas: subyek, kunjungan: obyek
• Meneliti kemanjuran obat → obat: subyek, kemanjuran: obyek

Macam Variabel

• Variabel Tergantung/ Akibat / Terpengaruh/ Dependen → variabel yang dipengaruhi oleh variabel lain
• Variabel Bebas/ Sebab/ mempengaruhi/ Independen →variabel yang mempengaruhi variabel lain
• Contoh: variabel pendidikan dan pekerjaan →variabel pendidikan (variabel bebas), variabel pekerjaan (tergantung) → sebab pendidikan mempengaruhi pekerjaan

Sebutkan, mana yang termasuk variabel bebas dan variabel tergantung

1. Jenis olah raga dan bakat
2. Pekerjaan dan jenis kelamin
3. Kepribadian, pendidikan, dan keturunan

Hubungan Antar Variabel

1. Hubungan Asimetris
2. Hubungan Simetris
3. Hubungan Timbal Balik (Resiprocal)

Hubungan Variabel Asimetris

• Hubungan variabel Asimetris adalah hubungan suatu variabel yang mempengaruhi variabel lainya
• X → Y
• X = variabel bebas, independent, pengaruh, prediktor
• Y = variabel tergantung, dependent, terpengaruh, kriterium

Hubungan Variabel Simetris

• Hubungan simetris artinya kedua variabel ada hubungan tetapi tidak saling mempengaruhi
• Contoh: variabel Tinggi badan (Y1) dan Berat Badan (Y2) dipengaruhi oleh variabel pertumbuhan (X)
• Antara Y1 dan Y2 ada hubungan, tetapi tidak saling mempengaruhi

Hubungan Variabel Timbal Balik

• Hubungan antar dua variabel yang saling mempengaruhi
• Misal: hubungan antara variabel malnutrisi dan variabel malabsorbsi
• Malabsorbsi akan menyebabkan malnutrisi
• Malnutrisi akan menyebabkan atropi mukosa usus halus → malabsorbsi

Variabel Perantara

• Variabel perantara atau penghubung: variabel yang menjadi penghubung antara variabel bebas dan variabel tergantung
• Misal: modernisasi (status wanita) dapat mempengaruhi fertilitas, tetapi tidak secara langsung, namun melalui kontrasepsi atau penundaan usia perkawinan → variabel kontrasepsi dan penundaan usia perkawinan disebut: Variabel Perantara

Variabel Penekan/ Pra Kondisi

• Variabel penekan atau prakondisi adalah variabel yang merupakan prasyarat bekerjanya variabel bebas dan variabel tergantung
• Contoh: Kuman M. TB (variabel bebas) menyebabkan penyakit TB (varibel tergantung) → proses diatas dapat berlangsung pada saat kondisi tubuh lemah (variabel penekan/ prakondisi)

Variabel Pengganggu/ Distorter

• Variabel pengganggu/ distorter adalah variabel yang mengganggu bekerjanya variabel bebas dan variabel tergantung
• Contoh: Hipotesis: akseptor KB ekonomi lemah akan lebih banyak daripada ekonomi tinggi →ternyata hipotesis tersebut salah, hal ini disebabkan ada variabel pengganggu yaitu variabel status pekerjaan: PNS dan Non PNS → ternyata hipotesis tsb benar pada pegawai non PNS

Definisi Operasional Variabel

• Definisi operasional adalah seperangkat instruksi yang lengkap untuk menetapkan apa yang akan diukur dan bagaimana cara mengukur variable.
• Hal-hal yang perlu diperhatikan dalam menyusun definisi operasional sebuah variable adalah:
• Nama variable
• Definisi verbal variable
• Kelompok penggolongan variable
• suatu cara untuk menggolongkannya

• Agar variabel dapat diamati dan diukur, maka setiap konsep yang ada dalam permasalahan atau yang ada dalam hipotesis harus disusun Definisi Operasional.
• Definisi operasional dari variabel sangat diperlukan terutama untuk menentukan alat atau instrumen yang akan digunakan dalam pengumpulan data.

• Sebagai contoh konsep orang lapar: Orang lapar dapat didefinisikan sebagai:
• Orang yang dapat menghabiskan sepiring nasi dalam waktu kurang dari dua menit
• Orang yang kelihatan mengantuk, tidak suka berbicara dan kelihatan lesu.
• Untuk menentukan seseorang lapar atau tidak, berdasarkan definisi 1 diperlukan sepiring nasi dan sebuah pencatat waktu, sedang berdasar definisi 2 tidak diperlukan alat, kecuali indera pengamatan

Tuliskan Definisi Operasional Variabel Berikut:

1. Pengetahuan
2. Persepsi
3. Sikap
4. Perilaku
5. Kinerja
6. Adat
7. Tradisi
8. Budaya

REFERENSI:

1. Budiarto, 2004, Metodologi Penelitian Kedokteran, Sebuah Pengantar, Jakarta, EGC
2. Hasan, 2005, Pokok Pokok Materi Statistik 1 (statistik Deskriptif), Jakarta, Bumi Aksara
3. Hasan, 2005, Pokok Pokok Materi Statistik 2 (statistik Infereansif), Jakarta, Bumi Aksara
4. Nasution, 2004, Metode research (penelitian Ilmiah), Jakarta, Bumi Aksara
5. Silalahi, 2003, Metodologi Penelitian dan Studi Kasus, Sidoarjo, Citramedia
6. Tjokronegoro, 2004, Metologi Penelitian Bidang kedokteran, Jakarta, Balai Penerbit Fakultas Kedokteran Universitas Indonesia.

POPULASI SAMPLE SAMPLING

Apa Itu Populasi

• Populasi: kumpulan individu atau obyek yang mempunyai kateristik yang akan dihitung/diukur
• Misal: penduduk Jombang, pasien poli kandungan, perawat puskesmas
• Macam Populasi:
• Populasi Finit (terhingga): diketahui jumlahnya
• Populasi Infinit (tak terhingga): tidak diketahui jumlahnya, dapat diubah menjadi terhingga dengan cara membatasi wilayah atau jumlah

Apa Itu Sampel

• Sampel: adalah perwakilan dari populasi, yang dapat menggambarkan keadaan populasi yang sebenarnya
• Pengambilan sample dilakukan dengan cara acak/random →agar semua anggota pupolasi mempunyai kesempatan yang sama untuk dipilih

Apa Itu Sampling

• Sampling adalah cara memperoleh sample dari populasi
• Sampling dibedakan menjadi dua; random dan non random

Random Sampling
1. Simple Random Sampling
2. Systematic Sampling
3. Stratified Sampling
4. Cluster Sampling
5. Multistage Sampling

Non Random Sampling
1. Asidentil sampling
2. Kuota sampling
3. Purpose sampling

Sample Random Sampling

• Pengambilan sample dengan menggunakan tabel random atau diundi
• Tabel Random Sampling: 88, 00, 23, 67, 14, 45, 17, 48, 79, 59, 42, 08, 54, 65, 61, 84, 86, 33, 64, 90, 15, 69, 97, 58, 80, 25, 72, 52, 35, 40, 98, 24, 21, 66, 01, 08, 23, 15, 55, 02, 32, 83, 24, 54, 52, 07, 44, 53, 64, 33, 80, 87, 18, 01, 39, 84, 62, 25, 72, 07, 17, 52, 86, 14, 06, 33, 70, 75, 89, 10, 22, 91 dst

Sistematic Random Sampling

• Populasi diurutkan terlebih dahulu
• Pemilihan random diperoleh dengan cara mencari angka kelipatan
• Angka kelipatan diperoleh dari: populasi/sample → misal: 100/50=2
• Hasil pemilihan sample dengan angka kelipatan 2 adalah: 00, 02, 04, 06, 08, 10, 12, 14, 16, 18, 20, 22 dst

Stratified Random Sampling

• Populasi dibagi menjadi beberapa kelompok atau strata → baru dilakukan random sampling
• Misal penelitian IQ siswa SD →dikelompokan dulu per kelas → lalu masing2 kelas dilakukan random sampling
• Misal jumlah sample 60 siswa → maka masing2 kelas diambil 10 sample dipilih secara random

Cluster Random Sampling

• Cluster sampling dipergunakan saat unit samplingnya terdiri lebih dari satu elemen populasi
• Misalnya: survey kualitas air minum penduduk didesa
• Penduduk kita kelompokan dulu → dapat berdasar RT/RW, jalan, sungai

Multistage Random Sampling

• Teknik pemilihan sample yang dilakukan secara bertingkat dan biasanya berdasarkan pembagian wilayah kerja suatu pemerintahan
• Misal: survey jamban di jawa timur → kita tentukan dulu berapa kabupaten/kota yang disampling →berapa kecamatan →berapa desa → berapa dusun → berapa RW → berapa RT

Asidentil Sampling

• Pengambilan saple secara kebetulan
• Misalnya, pada hari dan jam kapan peneliti sempat atau pengunjung puskesmas yang saat itu datang

Kuota sampling

• Pengambilan sample yang jumlahnya telah ditentukan oleh peneliti

Purpose sampling

• Pengambilan sample yang kriterianya sesuai dengan keinginan atau tujuan peneliti

Pengumpulan Data

1. Sensus: mencari data dengan mengamati atau mengukur semua responden
2. Survey: mencari data dengan mengamati atau mengukur sebagian responden

• Keuntungan survey:
• Biaya murah, waktu dan tenaga sedikit, data lebih valid
• Kerugian survey:
• Data bersifat sesaat, tidak dapat menggambarkan perubahan yang terjadi dengan berjalannya waktu

Teknik Pengumpulan Data

1. Pengamatan
2. Wawancara
3. Angket
4. Pengukuran

Instrumen Pengumpulan Data

1. Formulir isian
2. Check list
3. Kuesioner tertutup atau terbuka
4. Alat ukur: timbangan, tersimeter

Formulir Isian

• Formulir isian → menggunakan beberapa pertanyaan yang berisi apa yang akan diamati dan pengamat hanya menulis hasil dari obyek yang diamati
• Tidak ada komunikasi antara responden dan peneliti
• Misal: Apakah penyakit Flu burung membahayakan?

Check List

• Check list terdiri dari beberapa pertanyaan yang jawabanya sudah disediakan oleh peneliti, responden tinggal memberi tanda centang (√)
• Misal: Pendidikan saudara: □ SD, □ SMP, □ SMA, □ PT

Kuesioner

• Kuesioner: daftar pertanyaan yang sudah tersusun secara tertulis dan responden tinggal menulis jawabanya
• Kuesioner tertutup: jika jawaban sudah disediakan peneliti, responden tinggal memilih jawaban yang telah disediakan
• Kuesioner terbuka: jika jawaban tidak disediakan peneliti, responden harus menulis jawaban dimana jawabannya tergantung pemikiran responden

REFERENSI:

1. Budiarto, 2004, Metodologi Penelitian Kedokteran, Sebuah Pengantar, Jakarta, EGC
2. Hasan, 2005, Pokok Pokok Materi Statistik 1 (statistik Deskriptif), Jakarta, Bumi Aksara
3. Hasan, 2005, Pokok Pokok Materi Statistik 2 (statistik Infereansif), Jakarta, Bumi Aksara
4. Nasution, 2004, Metode research (penelitian Ilmiah), Jakarta, Bumi Aksara
5. Silalahi, 2003, Metodologi Penelitian dan Studi Kasus, Sidoarjo, Citramedia
6. Tjokronegoro, 2004, Metologi Penelitian Bidang kedokteran, Jakarta, Balai Penerbit Fakultas Kedokteran Universitas Indonesia.

PENGOLAHAN DATA

Langkah Pengolahan Data

• Editing → (melengkapi, memperbaiki, memperjelas, pengecekan logis) jawaban responden
• Coding → memberikan jawaban secara angka atau kode sehingga mudah diolah → misal: SD (1), SMP (2), SMA (3), PT (4)
• Transfering → memindahkan jawaban/kode jawaban ke dalam media pengolah/kartu kode
• Tabulating → menyusun data dalam bentuk tabel/grafik

Editing

• Editing satuan:
• Umur: hari, minggu, bulan, tahun, selapan, jaman jepang
• Berat: gram, kilogram, ton, ons

• Editing pekerjaan:
• Wiraswasta: pedagang, penjual bakso, makelar, blantik sapi
• Swasta: pekerja pabrik, pelayan toko, pegawai bank

Coding

• Coding jenis kelamin: laki (1), wanita (2)
• Coding pekerjaan: PNS (1), swasta (2), wiraswasta (3), lain-lain (4)
• Coding kepuasan: (skala Lickert)

1. Sangat tidak puas : 1
2. Tidak puas : 2
3. Cukup : 3
4. Puas : 4
5. Sangat puas : 5

Transfering

Tabulating
Menyusun data dalam bentuk tabel:

1. Tabel distribusi atau tabel frekuensi
2. Tabel silang atau cross tabulating

Distribusi

• Distribusi: kumpulan data yang kita amati dalam suatu karakteristik tertentu
• Data yang tidak dikelompokan disebut: distribusi tunggal
• Misal umur tenaga kesehatan: 34, 45, 24, 37, 55, 19, 21, 36, 33, 44, 28
• Data yang dikelompokan disebut: distribusi kelompok (frekuensi)

Tabel Disribusi/ Tabel Frekuensi

Cara membuat Distribusi Frekuensi

• Carilah rentang nilai dengan cara nilai terbesar dikurangi nilai terkecil
• Hasil rentang nilai dibagi dengan banyaknya kelas interval yang diinginkan.
• Banyaknya kelas interval mulai 5 s/d 15
• Hasil pembagian rentang nilai dengan banyaknya kelas merupakan panjang dari kelas interval

Penyajian Data

1. Narasi: tulisan, karangan, textular
2. Tabel:
3. Tabel Distribusi Frekuensi
4. Tabel Silang (Cross Tabulation)
5. Grafik:

• Grafik Batang; Histogram, Single Bar, Sub Divided Bar, Multiple Bar
• Grafik Garis: Poligon, Ogive, Propotional Line Diagram, Propotional Change Line Diagram, Grafik Garis Tunggal, Grafik Garis Berganda, Hi-Lo

Grafik

• Grafik Gambar (Pictogram)
• Grafik Lingkaran (Pie Diagram)
• Grafik Tebar (Scater Diagram)
• Grafik Batang

Contoh Tabel Distribusi

Contoh Tabel Silang Raw

Contoh Tabel Silang Colum

Contoh Tabel Silang Total

Contoh Grafik Histogram

Latihan Soal
Buat Table Disribusi Frekuensi berdasarkan:

1. Umur dengan interval 10 tahun
2. Pendidikan
3. Status perkawinan
4. Kinerja

Buat Tabel Silang antara

1. Umur dengan pendidikan
2. Pendidikan dengan status perkawainan
3. Pendidikan dengan kinerja

REFERENSI:

1. Budiarto, 2004, Metodologi Penelitian Kedokteran, Sebuah Pengantar, Jakarta, EGC
2. Hasan, 2005, Pokok Pokok Materi Statistik 1 (statistik Deskriptif), Jakarta, Bumi Aksara
3. Hasan, 2005, Pokok Pokok Materi Statistik 2 (statistik Infereansif), Jakarta, Bumi Aksara
4. Nasution, 2004, Metode research (penelitian Ilmiah), Jakarta, Bumi Aksara
5. Silalahi, 2003, Metodologi Penelitian dan Studi Kasus, Sidoarjo, Citramedia
6. Tjokronegoro, 2004, Metologi Penelitian Bidang kedokteran, Jakarta, Balai Penerbit Fakultas Kedokteran Universitas Indonesia.

DATA STATISTIK

Apa itu Data?

• Data (jamak → datum): himpunan angka yang berasal dari hasil pengukuran peneliti
• Kumpulan data disebut: agregat

Klasifikasi data
Menurut pengolahannya:

• Raw data: data mentah dan belum diolah
• Misal: umur mhs: 20, 31, 45, 23, 19

• Array data: data yang belum diolah, tetapi sudah diurutkan
• Misal: umur mhs: 19, 20, 23, 31, 45

• Ungrouped data: raw data yang belum dikelompokan
• Misal: A(23, Pria, Islam), B (30, Pria, Katolik), C (25, Wanita, Islam), D (19, Pria, Kristen)

• Gruoped data: data yang telah dikelompokan dalam kelas tertentu:
• Misal: Umur: kelompok (11-20), (21-29), (31-39)
• Agama: Islam, Katolik

Menurut bentuk angka

• Data Diskrit: data yang angkanya bulat
• Data kontinue: data yang angkanya pecahan (desimal)

Menurut Sifatnya

• Data Kuantitatif: data yang berwujud angka
• Data Kualitatif: data yang tidak berwujud angka

Menurut Sumbernya

• Data Primer: data yang diukur atau dihitung sendiri oleh peneliti
• Data Skunder: data yang didapat dari sumber lain, yang tidak diukur atau dihitung sendiri oleh peneliti

Menurut Skala Pengukuranya

• Skala Nominal: data yang hanya dapat membedakan (mengkatagorikan), tidak diketahui tingkat perbedaanya dan tidak ada urutanya
• Misal: jenis kelamin, agama, alamat, status perkawinan

• Skala Ordinal: data yang mempunyai kategori, mempunyai tingkat perbedaanya, teapi tidak diketahui berapa nilai tingkat perbedaanya
• Misal: golongan, pangkat, tingkat pendidikan

• Skala Interval: data yang mempunyai kategori, diketahui tingkat perbedaanya, ada urutan, tidak ada nilai nol mutlak (artinya mempunyai nilai nol →realnya ada nilai nol)
• Misal: suhu badan, nilai ujian

• Data Skala Ratio: data yang mempunyai kategori, diketahui tingkat perbedaanya, ada urutan, mengakui nilai nol mutlak (artinya  realnya tidak ada)àtidak ada nilai nol
• Misal: berat badan, umur

REFERENSI:

1. Budiarto, 2004, Metodologi Penelitian Kedokteran, Sebuah Pengantar, Jakarta, EGC
2. Hasan, 2005, Pokok Pokok Materi Statistik 1 (statistik Deskriptif), Jakarta, Bumi Aksara
3. Hasan, 2005, Pokok Pokok Materi Statistik 2 (statistik Infereansif), Jakarta, Bumi Aksara
4. Nasution, 2004, Metode research (penelitian Ilmiah), Jakarta, Bumi Aksara
5. Silalahi, 2003, Metodologi Penelitian dan Studi Kasus, Sidoarjo, Citramedia
6. Tjokronegoro, 2004, Metologi Penelitian Bidang kedokteran, Jakarta, Balai Penerbit Fakultas Kedokteran Universitas Indonesia.