I. BIOSTATISTIKA 1.

1 Pendahuluan
Biologi adalah ilmu yang mempelajari mahluk hidup, meliputi ilmu manusia, tumbuhan dan hewan. Sebagian besar konsep-konsep di bidang biologi yang

ditemukan selalu melalui proses inkuiri. Proses inkuiri dimulai dari kegiatan mengamati dan mengukur, menduga, mengumpulkan data, menguji dugaan berdasar data dan mengambil kesimpulan. Pada tahap pengumpulan, pengujian dugaan berdasar data dan pengambilan kesimpulan merupakan proses kerja dari statistika, peranan statistika di bidang biologi begitu pentingnya. Statistika yang diaplikasikan untuk bidang-bidang biologi disebut

Biostatistika. Dibawah ini akan dijelaskan beberapa istilah yang sering dijumpai dalam belajar statistika.

1.2 Statistik dan Statistika

Dalam kehidupan sehari-hari sering dijumpai suatu pernyataan misalnya, berdasarkan hasil pengamatan terhadap dokumen jenis kelamin siswa (sebagai variabel) sekolah dasar X diketahui 60 persen adalah perempuan; 25 persen dari jumlah siswa di kelas X telah mencapai standart kompetensi minimal 80 pada mata pelajaran matematika; Target maksimal 1 persen angka buta huruf di Propensi Jatim. Angka-angka yang diinformasikan tersebut disebut statistik. Sehingga statistik dapat diartikan sebagai angka-angka yang menggambarkan karakteristik dari sekumpulan data dan merupakan wakil dari data tersebut. Cara mendapatkan angka-angka yang disebutkan dalam statistik di atas dapat disebut sebagai statistika. Sehingga statistika diartikan sebagai ilmu pengetahuan atau metode ilmiah yang mempelajari pengumpulan, pengorganisasian, penyajian, penganalisisan dan penarikan kesimpulan atau pengambilan keputusan berdasar pada kumpulan data dan hasil penganalisisan yang dilakukan.

Statistika dibedakan statistika deskriptif dan statistika induktif/ inferensial. Statistika diskriptif adalah statistika yang berkaitan dengan kegiatan pengumpulan, pengorganisasian dan penyajian data serta penganalisisan yang sederhana, sedangkan statistika inferensial adalah statistika yang berkaitan dengan penarikan kesimpulan yang didasarkan pada hasil analisis data. Data merupakan cerminan dari karakter yang diamati dan diukur pada sekumpulan individu. sekumpulan individu tersebut dapat disebut populasi atau

sampel. Populasi dan sampel disajikan dalam sub bab 1.3

1.3 Populasi dan Sampel

Pedagang kacang tanah akan membeli kacang yang masih di lahan, misalnya luas lahan 1 ha. Sebelum mengambil keputusan transaksi, kebiasaan pedagang adalah ia mencabut beberapa tanaman sebagai contoh, tanaman kacang yang dicabut biasanya diambil secara acak, beberapa tanaman terletak di tengah-tengah dan beberapa di pinggir. Hasil pencabutan tanaman kacang digunakan sebagai contoh, kemudian diamati dan diukur olehnya (misal; berat kacang atau banyak kacang dari satu kali cabutan) dan ia berfikir sejenak (proses menduga berat kacang atau banyak kacang yang didapat), hasil dugaan digunakan untuk mengambil keputusan dalam transaksi untuk membeli kacang yang ditanam pada lahan 1 ha tersebut. Bila anda amati perilaku pedagang ini, anda akan berfikir kehebatan cara berfikir pedagang kacang tersebut. Cara berfikir yang dilakukan sudah mendekatai cara-cara berfikir ilmiah, ia sudah mampu menggunakan statistika, walau sangat sederhana. Kumpulan semua tanaman kacang tanah seluas 1 ha tersebut disebut populasi, sedangkan kumpulan beberapa kacang tanah yang dicabut sebagai contoh disebut juga dengan sampel. Jadi populasi adalah suatu himpunan yang anggotanya semua individu yang memiliki karakter tertentu (variabel) untuk diamati dan diukur, sedangkan sampel adalah bagian dari populasi. Ukuran (karakteristik,

besaran) yang terdapat di sampel disebut statistik, sedangkan ukuran yang terdapat di populasi disebut parameter. Berkaitan dengan ukuran-ukuran dalam statistika inilah, maka diperlukan suatu variabel, variabel memiliki sifat dapat diamati dan diukur. Untuk lebih jelasnya disajikan pada 1.4

1.4 Variabel
Bila diberikan suatu permasalahan dalam suatu penelitian, maka komponen yang termuat pada suatu permasalahan disebut variabel. Variabel memiliki sifat dapat diamati dan diukur. Sebagai contoh, seorang pelatih bola basket menduga bahwa tahun 2010 tinggi pemain basket indonesia rata-rata 182 cm; Seorang dosen di universitas X menduga bahwa pada tahun 2010 perbandingan jumlah mahasiswa calon guru berjenis perempuan dengan laki-laki adalah 5 : 1. Dugaan pelatih terhadap tinggi pemain basket di Indonesia, berawal dari permasalahan tinggi pemain basket di Indonesia sekarang ini yaitu 178 cm.T inggi pemain basket di Indonesia disebut sebagai variabel. Untuk dapat menjawab permasalahan tersebut dilakukan pengamatan terhadap variabel yang di teliti yaitu tinggi pemain basket, alat pengukuran yang digunakan adalah pengkuran panjang yaitu meter dengan keletitian 1 cm, sedangkan dugaan seorang dosen terhadap perbandingan jumlah mahasiswa calon guru dasar jenis kelamin laki-laki dengan perempuan, maka variabel yang diamati dan diukur adalah jumlah calon guru berjenis kelamin laki-laki dan jumlah calon guru berjenis kelamin perempuan, alat ukur yang digunakan adalah counter, counter adalah alat hitung yang berkaitan dengan bilangan asli dengan cara

menyebut jumlah mahsiswa atau memasangkan dengan bilangan asli. Berkaitan dengan proses pengukuran, tentu diperlukan suatu alat ukur dan cara menggunakannya. Alat ukur yang digunakan menjadi sangat penting dalam pengambilan data baik yang terjadi pada sampel atau populasi. Untuk penelitian sosial, ada 4 katagori ukuran yang dapat digunakan dalam pengambilan data yaitu

ukuran berskala nominal, ukuran skala ordinal, ukuran skala interval dan ukuran skala rasio. Data dan jenis skala pengukuran dijelaskan pada 1.5

1.5 Data dan Skala Pengukuran

Data yang diperoleh dari anggota sampel atau populasi yang diteliti akan mencerminkan karakter dari sampel atau populasi itu sendiri. Data yang diperoleh tersebut biasanya masih mentah, selanjutnya perlu diproses melalui pengolahan, pengorganisasian, dan penganalisisan, serta penyajian sehingga dapat diperoleh informasi yang bermakna dalam kehidupan. Oleh karena itu pemahaman terhadap karakter data tersebut mutlak diperlukan. Karakter data merupakan pencerminan dari karakter variabel yang akan diteliti, baik yang terjadi pada populasi maupun pada sampel. Variabel yang akan diteliti harus jelas, oleh karena itu variabel perlu didefinisikan. Definisi variabel yang dibuat haruslah bersifat operasional. Variabel yang bersifat operasinal akan dapat diobservasi/diamati dan diukur. Misalnya seorang guru ingin memcahkan masalah bagaimanakah keterkaitan tingkat kesenanagan siswa pada matapelajaran statistika dengan prestasi belajarnya. Permasalahan ini memiliki dua variabel yang akan diteliti untuk diamati dan diukur. Variabel pertama diberi label dengan tingkat kesenangan dan veriabel ke dua diberi label dengan prestasi belajar. Pengamatan dan pengukuran dapat dilakukan pada variabel-variabel tersebut. Pedoman yang digunakan sebagai berikut: Tingkat kesenangan siswa terhadap statistika didefinisikan dari pencerminan siswa memiliki buku statistika dan jumlah waktu yang digunakan untuk membacanya. Tingkat kesenangan dibedakan senang, biasa-biasa saja, dan tidak senang Seorang siswa dikatakan senang, bila minimal memiliki 2 buku bacaan statistika, selain buku catatan dari guru dan waktu belajar statistika minmal 3 jam per minggu. Seorang siswa biasa-biasa saja terhadap statistika, bila hanya memiliki 1 buku bacaan dan 1 buku catatan dari guru serta waktu belajar 2 jam/minggu. Siswa tidak senang

terhadap statistika, bila ia hanya memiliki buku catatan saja dan waktu belajar kurang atau sama dengan1 jam/minggu. Prestasi belajar statistika dicerminkan oleh kemampuan menyelesaiakan soal statistika yang diberikan oleh gurunya. Dalam penyelesaian masalah ini guru dapat juga membedakan tingkat kesenangan maupun prestasi belajar statistika berdasar jenis kelamin siswa yaitu laki-laki dan perempuan3). Berdasar permisalan di atas, kita dapat membedakan data berdasar skala pengukurannya. Pada variabel yang diberi label Tingkat kesenangan siswa dibedakan senang, biasa-biasa saja, dan tidak senang; prestasi siswa; jenis kelamin siswa dibedakan laki-laki dan perempuan . Supaya data ini dapat diolah, maka kita perlu memberi nilai labelnya. Untuk tingkat kesenangan : senang diberi nilai label (skore 3), biasa-biasa saja ( skore 2) dan tidak senang (skore 1). Untuk jenis kelamin ; laki-laki ( skore 2) dan perempuan (skore 1), sedangkan untuk prestasi (skore 0-100). Data yang diperoleh seperti tingkat kesenangan siswa terhadap matapelajaran statistika dibedakan menjadi senang (skore 3), biasa-biasa saja (skore 2) dan tidak senang (skore 1), pada data ini ada pengertian pembeda dan urutan yaitu 3 berbeda dengan 2, juga 3 lebih besar dari 2, begitu juga 3 dengan 1 dan 2 dengan 1, data demikian ini disebut data berskala ordinal. Data jenis kelamin dibedakan jenis laki-laki dan perempuan dan skor 2 untuk jenis laki-laki, sedangkan skor 1 untuk perempuan. Pada data jenis kelamin tidak ada pengertian urutan, jadi kedudukan nilai label 1 dan 2 adalah sama atau sejajar, data demikian ini disebut data berskala nominal. Data yang diperoleh melalui prestasi dengan skore 0-100 dapat dijelaskan melalui permisalan prestasi belajar Amin tercermin dengan nilai 75,5 ,Titi dengan nilai 85, sedangkan Adinda mendapat nilai 80 , oleh karena itu kedudukan andinda dapat diselipkan diantara Amin dan Titi, maka data seperti ini disebut berskala interval. Namun demikian data berskala interval ini dapat ditingkatkan menjadi berskala rasio, bila terjadi ada Tono mendapat nilai 40. Kondisi nilai tono sama

dengan setengah kali nilai Adinda. Pada pengertian seperti ini ada pengertian nilai 0 mutlak Jadi data dapat dibedakan berdasar skala pengukuranya meliputi data berskala nominal, data berskala ordinal, dan data berskala interval serta data berskala rasio. Data berdasar sifatnya Data dapat dibedakan berdasar sifatnya yaitu data bersifat kualitatif dan data bersikat kuantitatif. Data kualitatif biasanya disebut juga data berbentuk

katagori. Data kualitatif adalah data yang dapat digolongkan berdasar katagorikatagori atau sub-sub katagori, sperti jenis kelamin ddigolongkan atas dasar laki-laki dan perempuan; tingkat kesenangan digolongkan senang, biasa-biasa saja dan tidak senang. Berdasar contoh di atas, data berskala nominal dan ordinal termasuk data kualitatif. Namun demikian ada yang mengatakan bahwa data berskala ordinal disebut data semi kuantitatif. Data kuantitatif adalah data yang diperoleh diperoleh dari hasil pengukuran, seperti; prestasi belajar diukur dengan skala 0-100; umur diukur dalam dalam satuan waktu, misal dalam tahun atau bulan atau jam; berat badan diukur dengan satuan berat, misal kilogram, gram atau miligram dan sebagainya. Data berskala interval dan rasio dapat juga digolongkan kedalam data bersifat kuantitatif. Data primer dan Skunder Bila seorang guru meneliti hasil belajar siswa yang diajarnya, berarti guru tersebut mendapat data hasil belajar dari kegiatan pembelajaran yang dilakukannya sendiri dan digunakan untuk keperluan penelitiannya, maka jenis data seperti ini dapat disebut data primer, sedangkan seorang mahasiswa keguruan meneliti hasil belajar siswa yang diajar oleh guru A, dan mahasiswa mengambil data dari guru tersebut, maka data yang diperoleh oleh mahasiswa tersebut dapat disebut data skunder. Data dapat juga dibedakan berdasar atas proses pengambilannya, apabila semua individu damati dan diukur serta digunakan sebagai data dalam penelitian disebut sensus. Misal, untuk pemilihan Bupati di Kotamadya A disyaratkan

penduduk kotamadya A, dan minimal berumur 17 tahun serta telah tinggal minimal 6 bulan. Semua calon pemilih walikota di Kotamadya A tersebut disensus oleh panitia. Ada satu lembaga tertentu ingin mengetahui lebih cepat siapa pemenang pemilihan walikota di Kotamadya A tersebut, maka lembaga tersebut hanya mengambil sebagian penduduk sudah cukup mewakili sebagai pemilih walikota tersebut,

hasilnya jauh lebih cepat didapat, misal suatu keputusan siapa walikota terpilih, cara pengambilan sebagian dari populasi disebut sampling . Data Katagori Karakteristik dari variabel yang datanya dibedakan menjadi 2 katagori, misal variabel jenis kelamin, dibedakan laki-laki dan perempuan; status hewan, dibedakan bertelinga atau tidak, data demikian disebut data biner atau dikhomous. Bila data dibedakan lebih dari 2 katagori, seperti variabel golongan darah dapat dibedakan menurut golongan A, B, AB dan O disebut data nominal. Data nominal adalah data yang diperoleh melalui skala pengukuran yang bersifat hanya membedakan. Namun bila skala pengukuran memilki sifat dapat membedakan dan memuat pengertian urutan maka data demikian disebut data ordinal. Misal; Tingkat kemanisan buah jeruk, dibedakan menjadi manis, sedang dan kurang manis; Tingkat keparahan

penyakit kanker payudara pada pasien di RSU X dibedakan pada tingkat stadium 1, 2, 3 dan 4.

Data numerik Data numerik dibedakan menjadi data diskrit dan kontinu. Data numerik diskrit adalah data pada variabel yang isinya hanya bisa dinilai numerik tertentu, misal; jumlah anak dalam suatu keluarga; jumlah denyut nadi dalam 24 jam dllnya. Data numerik diskrit dengan data ordinal berbeda, jumlah anak dalam keluarga misal; jumlah anak ada 1, 2, 3, 4 anak, data ini memiliki arti sebagai berikut; jumlah anak 4 akan sama dengan 2 x jumlah 2 anak., sedangkan bila ada orang sakit kanker payudara dan dia berada pada stadium 4. Stadium kanker payudara dibedakan

stadium1, 2, 3 dan 4, akan tetapi kanker stadium 4 tidak berarti 2 kali dari tingkat keperahan stadium 2. Data numerik kontinu biasanya diperoleh melalui cara pengukuran, misal berat badan, tinggi tanaman dan lainnya. Data yang didapat melalui pengukuran dipengaruhi oleh ketelitian alat ukur yang digunakan. Berat badan kambing 35, 56 kg , berarti memilki ketelitian 0,01 kg. Dalam analisis data, data biner biasanya diberi kode 0 -1, atau ya-tidak. Misal; laki-laki diberi kode 0 dan perempuan diberi kode 1. Untuk data ordinal, misal; tingkat kemanisan dibedakan manis, sedang dan kurang, tingkat kemanisan manis diberi nilai 3, sedang diberi kode 2, kurang manis diberi kode 1. Data numerik kontinu dapat diperlakukan menjadi data katagorikal ordinal, tapi tidak sebaliknya, misalnya, nilai biostatistika skor 0-100, dapat diperlakukan dalam bentuk nilai/ kode 4, bila skor 80-100; 3, bila skor 70-<80; 2, bila skor 50-<70 dan 1, bila skor 40-<50 serta 0, bila skor <40.