P. 1
Statistikabahan ajarbaru

Statistikabahan ajarbaru

|Views: 1,478|Likes:
Published by Timothy Clark

More info:

Published by: Timothy Clark on Mar 21, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

05/16/2013

pdf

text

original

Sections

  • Pengertian Statistika
  • Kegunaan Statistika
  • Ruang lingkup statistika
  • Pengertian dan Jenis Data
  • Variabel dan Skala Pengukuran
  • Referensi
  • Pengumpulan data
  • Pengolahan data
  • PEMILIHAN MODEL ANALISIS DATA
  • STATISTIKA DESKRIPTIF SEBAGAI ALAT ANALISIS DATA
  • STATISTIKA INFERENSIAL SEBAGAI ALAT ANALISIS DATA
  • PENYAJIAN DATA SECARA TEKTULAR
  • PENYAJIAN DATA SECARA TABULAR
  • PENYAJIAN DATA SECARA GRAFIKAL
  • REFERENSI

Heru Santoso Wahito Nugroho

BIOSTATISTIKA
Untuk Mahasiswa Diploma 3 Kebidanan

Disusun Sebagai Bahan Ajar Bagi Mahasiswa Program Studi Diploma III Kebidanan Kampus Magetan Jurusan Kebidanan Politeknik Kesehatan Kemenkes Surabaya Tahun Akademik 2011/2012

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

i

Mata Kuliah Semester Tahun Akademik Penulis

: Biostatistika :V : 2011/2012 : Heru Santoso Wahito Nugroho, S.Kep, Ns, M.M.Kes

Telah disahkan sebagai bahan ajar bagi mahasiswa Program Studi Diploma III Kebidanan Kampus Magetan, Jurusan Kebidanan, Politeknik Kesehatan Kemenkes Surabaya.

Surabaya, 1 September 2011 Ketua Jurusan Kebidanan Poltekkes Kemenkes Surabaya

Hj. Klanting Kasiati, S.Pd, A.Md.Keb, M.Kes NIP. 19640430 198503 2 003

Mengetahui Direktur Poltekkes Kemenkes Surabaya

DR.Ir.H. Bambang Guruh Irianto, AIM, MM NIP. 19580109 198010 1001

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

ii

Pemahaman tentang biostatistika mutlak diperlukan bagi tenaga kesehatan profesional. Penguasaan biostatistika ini diperlukan sebagai prasyarat untuk dapat melakukan penelitian ilmiah dalam bidang kesehatan dengan baik. Untuk itu, referensi-referensi mengenai biostatistika masih sangat diperlukan hingga saat ini.

Buku sederhana ini diharapkan dapat digunakan sebagai salah satu sumber pembelajaran biostatistika, terutama bagi para mahasiswa kesehatan. Isi di dalamnya ini sengaja disusun secara ringkas dan memuat pokok-pokok penting dari biostatistika dan juga memuat contoh-contoh aplikatif dengan harapan supaya mudah dipahami oleh para pembaca.

Penulis menyampaikan terimakasih yang sebesar-besarnya kepada para pembaca atas perhatian yang diberikan kepada buku ini. Atas segala kekurangan yang ada, penulis mohon maaf dan mengharapkan masukan dari para pembaca untuk dapat memperbaiki kekurangan-kekurangan tersebut.

Magetan, September 2011

Heru Santoso Wahito Nugroho

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

iii

Isi Halaman Judul Halaman Pengesahan Kata Pengantar Daftar Isi Bagian 1 Konsep Dasar Statistika Umum Pengertian Statistika Kegunaan Statistika Ruang Lingkup Statistika Pengertian dan Jenis Data Variabel dan Skala Pengukuran Referensi Bagian 2 Pengumpulan dan Pengolahan Data Pengumpulan Data Pengolahan Data Referensi Bagian 3 Analisis Data Pemilihan Model Analisis Data Statistika Deskriptif Sebagai Alat Analisis Data Statistika Inferensial Sebagai Alat Analisis Data Referensi Bagian 4 Penyajian Data Penyajian Data Secara Tekstular Penyajian Data Secara Tabular Penyajian Data Secara Grafikal Referensi

Halaman i ii iii iv 1 1 2 2 3 6 7 8 8 15 18 19 19 20 32 35 36 36 37 42 53

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

iv

Pengertian Statistika
Secara etimologis statistika berasal dari Bahasa Romawi yaitu “States”, yang berarti “Negara”, “Negarawan”. Diartikan demikian, karena statistika kala itu banyak digunakan untuk urusan negara seperti pajak, jumlah penduduk dan lain-lain. Muncullah berbagai jenis statistika misalnya statistika kependudukan, statistika kelahiran, statistika pendidikan dan sebagainya. Pada saat itu statistik hanya digunakan untuk mendukung keseluruhan aktivitas kenegaraan. Dewasa ini statistika telah berkembang menjadi ilmu yang berdiri sendiri. Statistika mempelajari hal-hal yang berhubungan dengan data, serta sifat-sifat data. Kegiatan statistika adalah pengumpulan data, pengolahan data, penyajian dan analisa data, penarikan kesimpulan, serta pembuatan keputusan yang didasarkan atas data yang diperoleh. Data diperoleh dari fakta, yaitu peristiwa yang benar-benar terjadi atau bekas-bekasnya ada. Kegunaan data adalah memberikan informasi kepada yang membutuhkan, selanjutnya informasi ini dapat memberikan perubahan pada manusia. Jadi statistika adalah ilmu yang mempelajari pengumpulan, pengolahan, penyajian, dan analisa data, serta penarikan kesimpulan. Langkah-langkah tersebut harus berurutan dan berkesinambungan Beberapa pengertian senada mengenai statistika adalah sebagai berikut: 1. Suatu teknik yang digunakan untuk mengumpulkan data, menganalisa data dan menyimpulkan dan mengadakan penafsiran data yang berbentuk angka (Marguerrite F. Hall) 2. Ilmu dan seni guna mengembangkan dan menerapkan metoda yang paling efektif untuk mengumpulkan, mentabulasi, menginterpretasikan data kuantitatif sedemikian rupa sehingga kemungkinan salah dalam kesimpulan dan estimasi dapat diperkirakan dengan menggunakan penalaran induktif matematika probabilitas (Anderson & Bancrofi) berdasarkan

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan

1

serta penyimpulan. pengolahan serta penganalisaannya. dan analisis data. masyarakat. dilakukan langkah-langkah pengumpulan data sampai dengan penarikan kesimpulan.Membuat ramalan pada kejadian yang sama pada masa yang akan datang Ruang lingkup statistika Statistika mencakup statistika deskriptif dan statistika inferensial. penyajian. Statistika deskriptif bertujuan menggambarkan suatu ciri penduduk. penarikan kesimpulan. organisasi pada situasi tertentu. termasuk di dalamnya teori Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 2 . Contoh dari statistika deskriptif adalah statistika ibu hamil di wilayah Kabupaten “M”. Statistika deskriptif digunakan untuk penelitian pada populasi atau pada sampel. Dalam hal ini.Membandingkan kejadian satu dengan kejadian lainnya dengan beracuan pada waktu dan tempat . Pengetahuan yang berhubungan dengan cara-cara pengumpulan fakta. Dengan kata lain.Memberikan gambaran tentang suatu obyek dengan lengkap dan ringkas . pengolahan. Statistika inferensial adalah statistika yang digunakan untuk menganalisis data sampel. namun tidak digunakan untuk membuat kesimpulan yang lebih luas (generalisasi/ inferensi). penyajian dan publikasi dari data-data yang berbentuk angka (Sujana) Kegunaan Statistika Kegunaan statistika adalah: . namun hanya sampai dengan mendeskripsikan atau menggambarkan hasil yang diperoleh. tetapi tidak bermaksud untuk membuat kesimpulan terhadap populasi tempat sampel diambil. Kegiatan yang dilakukan meliputi pengumpulan. dan hasilnya akan digeneralisasikan (diinferensikan) untuk populasi tempat sampel diambil.3. statistika inferensial bertujuan menaksir secara umum suatu populasi dengan menggunakan sampel. berdasarkan data yang diperoleh.

Data kuantitatif dibedakan menjadi data diskrit (jika memiliki nilai diskrit) dan data kontinyu (jika memiliki nilai kontinyu). lalu dilanjutkan dengan melakukan generalisasi untuk populasi. warna rambut. Nilai-nilai yang ditentukan dari sampel dinamakan statistik. diikuti dengan tindak lanjut yaitu melakukan generalisasi untuk populasi. dan sebagainya. Pengertian dan Jenis Data Data adalah bentuk jamak dari datum. Data kualitatitif adalah hasil observasi atau pengukuran yang berbentuk kata. Data kuantitatif adalah hasil observasi atau pengukuran yang berbentuk angka. serta data berskala interval dan rasio yang tidak berdistribusi normal. dan sebagainya. Contoh dari data kuantitatif adalah: tinggi badan. Statistika parametrik digunakan untuk menganalisis data berskala interval dan rasio yang diambil dari populasi yang berdistribusi normal.penaksiran dan pengujian teori. golongan darah. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 3 . Data hasil penelitian dikelompokkan menjadi dua yaitu data data kualitatif dan data kuantitatif. Dalam hal ini dilakukan langkah-langkah mulai dari pengumpulan data hingga penarikan kesimpulan pada sampel. Contoh dari data diskrit adalah jumlah anak. atau data kualitatif yang sudah diangkakan (melalui proses scoring). Kegiatan yang dilakukan adalah pengumpulan data. ketajaman penglihatan. jenis kelamin bayi baru lahir. pengolahan data. kelompok. . berat badan. atau kategori. Selanjutnya statistika inferensial dibagi menjadi statistika parametrik dan non parametrik. jumlah anak. sedangkan nilai-nilai yang ditentukan dari populasi dinamakan parameter. tekanan darah. Contoh dari statistika inferensial adalah: kegiatan statistika untuk membuktikan bahwa kekurangan gizi pada ibu hamil dapat menyebabkan kelahiran bayi prematur. Contoh data kualitatif adalah: Keramahan bidan terhadap konsumen. Sedangkan statistika non parametrik digunakan untuk menganalisis data berskala nominal dan ordinal dari populasi yang bebas distribusi (tidak harus berdistribusi normal). penyajian dan penyimpulan data.

Contoh skala nominal bukan dikotomi adalah: jenis pekerjaan kader posyandu (tani. 3= Stadium II. keberhasilan belajar mahasiswa bidan (lulus dan tidak lulus). namun tidak berjenjang. dan kinestetikal). sehingga banyak yang mengatakan bahwa data memiliki 4 macam skala yaitu data berskala nominal. Contoh dari skala ordinal: keberhasilan belajar mahasiswa bidan (1= tidak lulus. interval. 2= lulus melalui remidial. 3= baik. PNS. 3= anemia ringan. sikap terhadap KB pria (3= menolak. kejadian anemia ibu hamil (1= anemia berat. Contoh skala nominal dikotomi adalah: gender (pria dan wanita). 2= kurang. dan sebagainya. 1. dan 4= Stadium I). Penggolongan data kuantitatif yang umum diterapkan dalam penelitian adalah data nominal. ordinal. insiden infeksi HIV (positif dan negatif). 2. 2= Stadium III. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 4 . ordinal. tidak berjarak tetap. agama ibu hamil (Katolik. dan 4= sangat baik). dan Budha). dan rasio. dan tidak mengandung nilai “0” mutlak. kecepatan Kala I persalinan. dan 4= tidak anemia). dan degeneratif). berjenjang. tingkat pengetahuan kader posyandu (baik dan buruk). pedagang. tekanan darah.frekuensi kunjungan ANC dan sebagainya. Yang termasuk dalam skala nominal adalah semua data dikotomi (hanya 2 kategori) dan data bukan dikotomi yang tak berjenjang. dan rasio. dan tidak mengandung nilai “0” mutlak. IRT. tidak berjarak tetap. Protestan. gaya belajar kader desa siaga (auditorial. tingkat pengetahuan kader posyandu (1= buruk. kejadian anemia ibu hamil (anemia dan tidak anemia). Skala ordinal Ciri-ciri dari data berskala ordinal adalah memiliki kategori. interval. 2= anemia sedang. lama perdarahan. dan 3= menerima). dan 3= lulus). Derajat Ca Cervix (1= Stadium IV. dan lain-lain. visual. Contoh dari data kontinyu adalah jarak tempuh puskesmas. Islam. Hindu. jenis penyakit yang diderita ibu hamil (infeksi. neoplasma. Data dikotomi tidak masuk skala ordinal. sikap terhadap KB pria (menerima dan menolak). Skala nominal Ciri-ciri dari data berskala nominal adalah hanya memiliki kategori. 2= netral. dan karyawan swasta).

Skala interval Ciri-ciri dari data berskala interval adalah memiliki kategori. 2 kali lipat lebih sering dibandingkan dengan ibu A. dan sebagainya. Pada contoh ketiga. tinggi badan balita dalam cm. frekuensi denyut nadi permenit. jika didapatkan nilai pengetahuan nol. jika frekuensi denyut nadi nol berarti memang tidak memiliki denyut nadi. dan tidak mengandung nilai “0” mutlak. namun bukan nol yang mutlak/ absolut. maka skor yang didapatkan adalah nol. Pada data berskala rasio. sikap terhadap KB pria berupa skor mentah dengan skala 0-80. dan sebagainya. nilai perbandingan dapat diterapkan dan ini tidak berlaku untuk data berskala interval. Dalam ketiga contoh di atas terdapat angka “0”. tetapi telah disepakati bahwa ketika air membeku menjadi es. bukan berarti bahwa es tersebut tidak memiliki suhu. maka bisa dikatakan bahwa frekuensi ANC ibu B. Maksudnya nol dalam hal ini bukan berarti “tidak ada memiliki sesuatu”. demikian seterusnya.3. berjarak tetap. berat badan remaja putri dalam kg. jika paritas nol berarti ibu tersebut memang tidak memiliki anak. air raksa pada thermometer Celsius tepat pada angka nol. Pada contoh pertama. berjarak tetap. berjenjang. Pada contoh pertama. Ini didapatkan dari Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 5 . Contoh dari skala rasio adalah: paritas. bukan berarti kader posyandu tersebut tidak memiliki pengetahuan sama sekali. dan mengandung nilai “0” mutlak. jika didapatkan suhu 0 derajat Celsius pada es. 4. jika frekuensi ANC ibu A adalah 3 kali dan Ibu B adalah 6 kali. berjenjang. pada contoh kedua jika frekuensi ANC adalah nol berarti ibu tidak pernah datang untuk ANC. Contoh dari skala interval adalah: tingkat pengetahuan kader posyandu berupa nilai mentah dengan skala 0-100. Sebagai contoh. frekuensi pemeriksaan ANC. tetapi hanya nol kesepakatan saja. Skala rasio Ciri-ciri dari data berskala rasio adalah memiliki kategori. Demikian pula pada contoh kedua tentang sikap. suhu benda dalam derajat Celsius. namun telah disepakati bahwa jika seluruh item tes dijawab salah.

Pada variabel sikap remaja putri terhadap ATM kondom didapatkan 41 variasi data berskala interval yaitu 0. dan 99 cm. misalnya: tinggi badan dari 10 balita adalah 80 cm. 95 cm. 3 kali. interval. 40. Jika Ibu S memiliki 8 anak. 4. Sebagai contoh. variasi yang didapatkan bisa saja dibuat berupa skala nominal. atau rasio. gizi baik dan gizi lebih. Sebagai contoh. 2 kali . Perlu dipahami bersama bahwa untuk satu variabel. maka jelas Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 6 . Kerawanan desa terhadap wabah DHF adalah variabel karena menggambarkan tempat. 85 cm. maka boleh dikatakan bahwa ibu S memiliki anak 4 kali lipat lebih banyak daripada ibu K.penghitungan 6/3 = 2. dan seterusnya. ordinal. dan skor 76-100 adalah baik. 1. gizi kurang. 100. variasi dari variabel tingkat pengetahuan bidan di desa. Desa D sangat rawan. 95 cm. interval. 80 cm. 2. dan dapat bervariasi antara orang yang satu dengan yang lainnya. Pada variabel frekuensi kekambuhan asthma didapatkan banyak variasi data berskala rasio. Pada variabel status gizi balita didapatkan 4 variasi data berskala ordinal yaitu gizi buruk. Setiap variasi yang melekat pada variabel dapat berupa skala nominal. dapat berupa skala nominal. karena variasi yang mungkin adalah 0. 1. 1 kali. 97 cm. misalnya skor 0-55 adalah kurang. maka data berskala interval. dan dapat bervariasi. misalnya: Desa A sangat rawan.. Jika tingkat pengetahuan dinilai dari skor mentah hasil mengerjakan tes. 5. Desa B tidak rawan. pada variabel jenis kelamin didapatkan 2 variasi data dengan skala nominal yaitu pria dan wanita. …. barang.. …. 97 cm. ordinal. Jika skor mentah tadi dikategorikan menjadi 3. tinggi badan adalah variabel karena menggambarkan orang. ……. Desa C rawan. 3. Variasi dari nilai variabel berkaitan erat dengan empat macam skala data. Nilai dari variabel dapat bervariasi atau berbeda dari satu entitas dengan lainnya. ordinal. dan interval. 2. yaitu 0 kali. Sebagai contoh. maupun rasio. 86 cm. sedangkan Ibu K memiliki 2 anak.. Variabel dan Skala Pengukuran Variabel didefinisikan sebagai suatu atribut yang menggambarkan orang. 89 cm. dan seterusnya. tempat. atau ide. skor 56-75 adalah cukup. Desa E tidak rawan.

stattrek. Misalnya skor sebelum pelatihan adalah 76 dan sesudah pelatihan 95. 2011.com\statistics. Sebagai contoh jika statistika digunakan sebagai alat untuk menilai kelayakan tingkat pengetahuan bidan di desa. maka data berskala nominal.html Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 7 . berarti tampak ada peningkatan. 2011. and Survey Sampling. Pengantar Statistika.bahwa data berskala ordinal. maka sebaiknya digunakan skala interval. maka cukup digunakan kategori memadai dan tida memadai.analyzemath. Statistika Untuk Penelitian. 1995. misalnya skor 0-55 adalah tidak memadai. dan skor 56-100 adalah memadai. Sugiyono. Dalam skala ordinal 76 dan 95 masuk kategori baik. http://www. Bandung: Penerbit Alfabeta. skor sesudah pelatihan juga 3= baik. 2007. Referensi Danapriatna Nana dan Setiawan Rony. Jakarta: Penerbit Buku Kedokteran EGC. Pemilihan skala data seperti contoh di atas disesuaikan dengan kebutuhan. Anonymous.com Anonymous. http://www. Elementary Statistics and Probability Tutorials and Problems. Jika skor mentah dikategorikan menjadi 2 (dikotomik). Probability. 2005. Statistics. sehingga dikatakan skor sebelum pelatihan adalah 3= baik. Pengantar Statistik Keperawatan. jadi seolah-olah tidak terjadi peningkatan. Tetapi jika tujuan yang diharapkan adalah untuk menilai tingkat pengetahuan bidan di desa sebelum dan sesudah pelatihan. Yogyakarta: Graha Ilmu Purwanto Heri.

hasil yang diperoleh adalah nilai karakteristik perkiraan (estimate value) saja. sampel yang diambil harus representatif (benar-benar mewakili populasi). tanpa perkecualian. dan observasi. Dalam bidang kesehatan kadang-kadang dimunculkan teknik tersendiri yaitu pemeriksaan. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 8 . penyajian dan analisa data. Sedangkan untuk memperoleh data sekunder digunakan teknik studi dokumentasi. penarikan kesimpulan. Jadi sensus adalah pencatatan data secara menyeluruh (complete enumeration) terhadap elemen yang menjadi obyek penelitian. Ketiga materi ini seharusnya dijelaskan tersendiri pada ilmu tentang metodologi penelitian. dan atas dasar nilai perkiraan dari sampel inilah. Penjelasan yang perlu ditambahkan pada Bagian 1 adalah mengenai pengumpulan data. pengolahan data. kita dapat memperkirakan nilai sesungguhnya dari populasi. agar didapatkan nilai perkiraan yang baik. Penjelasan tentang data telah disampaikan secara lengkap. Dengan sampling. Jika data diambil dari seluruh anggota populasi maka dinamakan sensus. maka dipandang perlu untuk dibahas secara sekilas. pengolahan data. Untuk materi penyajian data akan dijelaskan tersendiri pada Bagian 2. serta analisis data. Maka. sedangkan jika data diambil dari sebagian anggota populasi maka dinamakan sampling.Pada Bagian 1 telah dijelaskan bahwa statistika berkaitan dengan pengumpulan data. Secara umum dikenal 3 macam teknik pengumpulan data primer yaitu wawancara. namun karena berkaitan erat dengan statistika. Pada sensus maupun sampling. diperlukan teknik pengumpulan data tertentu. Sedangkan sampling adalah pencatatan data yang meliputi sebagian saja (sampel) dari elemen yang menjadi obyek penelitian. Pengumpulan data Telah dijelaskan pada Bagian 1 bahwa data penelitian diambil dari suatu populasi atau sampel. angket.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 9 . ……………………………………………………………………………………. ……………………………………………………………………………………. dan dukungan keluarga terhadap pemilihan profesi bidan. Alasan apa sajakah yang menyebabkan Anda memilih menekuni profesi bidan? ……………………………………………………………………………………. …………………………………………………………………………………….WAWANCARA Wawancara (interview) adalah teknik pengumpulan data berbentuk pengajuan pertanyaan secara lisan. PEDOMAN WAWANCARA : ……………………… : ……………………… : ……………………… : ……………………… : ……………………… Judul penelitian Peneliti Inisial responden Umur Unit kerja Pertanyaan: 1. ……………………………………………………………………………………. ……………………………………………………………………………………. Instrumen yang digunakan dalam wawancara adalah pedoman wawancara (interview guide). dan pertanyaan yang diajukan dalam wawancara itu telah dipersiapkan secara tuntas. ……………………………………………………………………………………. ……………………………………………………………………………………. Berikut ini adalah contoh pedoman wawancara untuk mengumpulkan data tentang Alasan pemilihan profesi bidan. dilengkapi dengan instrumennya.

……………………………………………………………………………………. ……………………………………………………………………………………. ……………………………………………………………………………………. ……………………………………………………………………………………. ……………………………………………………………………………………. ……………………………………………………………………………………. ……………………………………………………………………………………. …………………………………………………………………………………….2. ……………………………………………………………………………………. ……………………………………………………………………………………. ……………………………………………………………………………………. ……………………………………………………………………………………. ……………………………………………………………………………………. ……………………………………………………………………………………. ……………………………………………………………………………………. Bagaimanakah dukungan keluarga Anda terhadap keputusan Anda untuk memilih profesi bidan? Jelaskan secara lengkap! ……………………………………………………………………………………. ……………………………………………………………………………………. ……………………………………………………………………………………. ……………………………………………………………………………………. ……………………………………………………………………………………. ……………………………………………………………………………………. ……………………………………………………………………………………. ……………………………………………………………………………………. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 10 . ……………………………………………………………………………………. ……………………………………………………………………………………. ……………………………………………………………………………………. …………………………………………………………………………………….

Berikut ini disajikan sebuah contoh kuesioner untuk pengumpulan data tentang masalah mental emosional anak.ANGKET Angket adalah cara pengumpulan data berbentuk pengajuan pertanyaan tertulis melalui sebuah daftar pertanyaan yang telah dipersiapkan sebelumnya. Jadi instrumen yang dibutuhkan adalah daftar pertanyaan yang biasa dinamakan kuesioner. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 11 .

kehilangan minat terhadap hal-hal yang biasa sangat dinikmati) Apakah anak Anda terlihat berperilaku merusak dan menentang terhadap lingkungan sekitarnya? (seperti melanggar peraturan. menyendiri atau merasa sedih sepanjang waktu. sering melakukan perbuatan yang membahayakan dirinya. mencuri.KUESIONER MASALAH MENTAL EMOSIONAL (KMME) Inisial anak Umur anak Jenis kelamin No 1 : ………………… : ………………… : ………………… Pertanyaan Ya Tidak 2 3 4 5 6 7 8 9 Apakah anak Anda sering terlihat marah tanpa sebab yang jelas? (seperti banyak menangis. sehingga mengalami penurunan dalam aktifitas sehari-hari atau prestasi belajarnya? Apakah anak Anda menunjukkan perilaku kebingungan sehingga mengalami kesulitan dalam berkomunikasi dan membuat keputusan? Apakah anak Anda menunjukkan perubahan pola tidur? (seperti sulit tidur sepanjang waktu. sakit perut. menghisap jempol. mudah tersinggung atau bereaksi berlebihan terhadap hal-hal yang sudah biasa dihadapinya) Apakah anak Anda tampak menghindar dari teman-teman atau anggota keluarganya? (seperti ingin merasa sendirian. mengigau) Apakah anak Anda mengalami perubahan pola makan? (seperti kehilangan nafsu makan. atau menyiksa binatang atau anak-anak lainnya) dan tampak tidak peduli dengan nasihat-nasihat yang sudah diberikan kepadanya? Apakah anak Anda memperlihatkan adanya perasaan ketakutan atau kecemasan berlebihan yang tidak dapat dijelaskan asalnya dan tidak sebanding dengan anak lain seusianya? Apakah anak Anda mengalami keterbatasan oleh karena konsentrasi yang buruk atau mudah teralih perhatiannya. atau tidak mau makan sama sekali) Apakah anak Anda sering mengeluh sakit kepala. makan berlebihan. atau keluhan fisik lainnya? 10 Apakah anak Anda sering mengeluh putus asa atau ingin mengakhiri hidupnya? Apakah anak Anda menunjukkan kemunduran perilaku atau kemampuan yang sudah dimilikinya? 11 (seperti mengompol kembali. sering terbangun saat tidur malam oleh karena mimpi buruk. terjaga sepanjang hari. atau tidak mau berpisah dengan orangtua/ pengasuh) Apakah anak Anda melakukan perbuatan yang berulang-ulang tanpa alasan yang 12 jelas? Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 12 .

dengan persiapan yang matang. Instrumen yang digunakan dalam observasi adalah lembar observasi. Berikut ini disajikan contoh check list untuk mengumpulkan data tentang keterampilan mahasiswa dalam mengukur tekanan darah. Salah satu di antaranya yang sering digunakan adalah daftar cocok atau daftar cek (check list).OBSERVASI Observasi atau pengamatan adalah pengamatan terhadap obyek yang akan dicatat datanya. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 13 . dilengkapi dengan instrument tertentu.

pemeriksaan tekanan darah menggunakan manometer air raksa. STUDI DOKUMENTASI Studi dokumentasi adalah upaya untuk memperoleh data sekunder melalui dokumen. data lama Kala I persalinan dapat diperoleh melalui partograf. Jadi dokumen itu sendirilah yang menjadi instrumen. sedangkan sebagian lagi menganggap sebagai teknik tersendiri. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 14 . data tentang status gizi balita dapat diperoleh dari KMS. Sebagai contoh. pemeriksaan kadar hemoglobin menggunakan spektrofotometer. Contoh dari pemeriksaan adalah pemeriksaan tinggi badan menggunakan instrumen microtoise. Berikut ini disajikan contoh pengkuran tekanan darah menggunakan manometer.PEMERIKSAAN Sebagian peneliti menganggap bahwa pemeriksaan tergolong sebagai observasi. dan sebagainya.

juga tidak benar.Pengolahan data Setelah data terkumpul. EDITING Secara umum. Tidak jarang pada saat pengumpulan data didapatkan kekurangan atau mungkin juga kesalahan. sehingga akan mempengaruhi Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 15 . Apabila data tidak memerlukan kode. langkah selanjutnya adalah pengolahan data. dan tabulating. Contoh kekurangan adalah ada salah satu item kuesioner yang belum diisi oleh responden sehingga hasilnya tidak lengkap. coding. editing diartikan sebagai penyuntingan. jadi data disunting atau dikoreksi agar didapatkan hasil yang benar dan lengkap. Secara umum ada 3 tahap pengohanan data yaitu editing. maka tahap coding bisa dilompati.

CODING Coding diperlukan untuk pengolahan data dengan skala nominal dan ordinal. dan akhirnya diberi kode 2. Sebagai contoh. Belum lagi resiko kesalahan penulisan ejaan. Kadang-kadang proses penentuan kode memerlukan tahapan yang panjang. Tujuan dari pembuatan kode adalah agar proses tabulasi dapat dilakukan secara efisien. sehingga kategori tingkat pengetahuan responden adalah cukup. jika diperoleh jawaban benar 5675% maka dikategorikan cukup dengan kode 2. jika diperoleh jawaban benar 055% maka dikategorikan kurang dengan kode 1. Sebagai contoh: pada proses pengolahan data variabel jenis kelamin. dan sebagainya. barulah bisa berpindah ke tahap coding (jika dibutuhkan). “asfiksia ringan”. Jika kekurangan dan kesalahan tadi dibiarkan saja. tidak dikoreksi maka tidak mungkin didapatkan hasil penelitian yang bisa dipertanggungjawabkan secara ilmiah. Oleh karena itu tahap editing harus dilaksanakan. Pastilah sangat merepotkan jika kita memasukkan kategori secara lengkap ke dalam tabel. karena semakin panjang data yang dimasukkan akan semakin beresiko terjadi kesalahan. digunakan kode 1 untuk gizi buruk. Contoh kekeliruan adalah jawaban YA diberi skor 0. misalnya “gizi baik”. padahal aturan yang telah ditetapkan sebelumnya adalah jawaban YA diberi skor 1. kode 2 untuk gizi kurang. Untuk variabel status gizi. untuk variabel tingkat pengetahuan yang dikumpulkan menggunakan tes tipe obyektif sejumlah 20 item. maka persentase jawaban benar adalah 12/20 x 100% = 60%. sedangkan kode 2 untuk wanita. dan jika diperoleh jawaban benar 76-100% maka dikategorikan baik dengan kode 3. Dengan demikian. karena peneliti hanya memasukkan kode-kode saja. jika misalnya seorang responden mendapatkan 12 jawaban benar. digunakan kode 1 untuk pria. setelah diyakini data yang terkumpul sudah lengkap dan benar. dan jawaban TIDAK diberi skor 0. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 16 . dan kode 4 untuk gizi lebih.hasil penelitian. kode 3 untuk gizi baik.

Berikut ini adalah contoh proses tabulasi. No 1 2 3 4 Jenis Kelamin 1 1 2 1 Konsumsi Kalori Per Hari 5100 3450 4000 3950 Status Gizi 4 2 3 3 dst dst dst dst Keterangan: Kode jenis kelamin: 1= pria. Data berskala interval dan rasio langsung dimasukkan ke dalam table tanpa melalui proses coding terlebih dahulu. 2= wanita Kode Status gizi: 1= gizi buruk. Distribusi frekuensi digunakan untuk analisis data berskala nominal dan ordinal.TABULATING Tabulating atau tabulasi berasal dari kata “tabel”. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 17 . nilai-nilai pemusatan. Analisis data secara deskriptif dapat berupa distribusi frekuensi. 4= gizi lebih Analisis data Ada 2 macam metode analisis data yaitu secara deskriptif dan secara inferensial. 2= gizi kurang. Pada tahap ini peneliti harus memasukkan data berupa kode-kode (untuk data nominal dan ordinal) ke dalam tabel yang disusun sesuai dengan kebutuhan. 3= gizi baik. jadi jelaslah bahwa proses pada tahap ini harus menyediakan tabel. dan nilai-nilai penyebaran. Berbagai metode analisis data di atas akan dijelaskan pada bagian tersendiri. sedangkan pemusatan dan penyebaran digunakan untuk analisis data berskala interval dan rasio.

Sudijono Anas.files.com/docs/48401937/BLOOD-PRESSUREMEASUREMENT-SKILLS-CHECKLIST Anonymous. daripada tekstular karena disusun secara sistematis menggunakan tabel. Blood Pressure Measurement Skills Checklist. 2007.com/ 2008/04/kms11. Jakarta: Depkes RI. juga sangat menarik karena setiap kategori dapat dibedakan dengan satu dengan lainnya dengan perbedaan warna. Jakarta: PT Raja Grafindo Persada.wordpress.com/2008/12/ hipertension. Status Gizi Versi KMS. sehingga perlu waktu yang lebih lama untuk memahaminya. 2006. Deteksi Dini Faktor Resiko Stroke Dalam Rangka Memperingati Hari Stroke Sedunia 2011.Penyajian data Proses penyajian data dapat dilakukan dengan 3 cara yaitu secara tekstular. Referensi Anonymous. 2011. http://creasoft. dan grafikal. Deteksi dan Intervensi Dini Tumbuh Kembang Anak di Tingkat Pelayanan Kesehatan Dasar. Penyajian secara tabular lebih mudah dipahami.jpg Anonymous. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 18 .jpg Depkes RI. 2011. Pedoman Pelaksanaan Stimuasi. 2011. http://www. Penyajian secara grafikal juga lebih mudah daripada tekstular. tabular. http://thesecretalert. sehingga proses pembacaan menjadi lebih mudah. Penyajian tekstular hanya dijelaskan secara naratif.docstoc.files. Pengantar Statistik Pendidikan.wordpress.

DISTRIBUSI FREKUENSI RELATIF. MEDIAN.PEMILIHAN MODEL ANALISIS DATA Pemahaman tentang alat analisis data sangatlah penting. Model-model statistika untuk keperluan analisis data terdiri atas model-model statistika deskriptif dan model-model statistika inferensial. DLL) STATISTIKA INFERENSIAL STATISTIKA STATISTIKA PARAMETRIK NON (KOMPARASI PARAMETRIK DAN ASOSIASI (KOMPARASI DAN ASOSIASI Untuk Skala Interval & Rasio) Untuk Skala Nominal & Ordinal) Gambar 1. Model-model statistika inferensial dibedakan menjadi 2 macam yaitu model-model statistika parametrik dengan persyaratan yang “ketat” dan statistika non parametrik dengan persyaratan yang lebih “longgar“. Klasifikasi Statistika Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 19 . VARIANS. walaupun alat analisisnya sangat canggih. DEVIASI STANDAR. DISTRIBUSI FREKUENSI KUMULATIF) PEMUSATAN (MEAN. DESIL. PERSENTIL. hasilnya akan salah diinterpretasikan dan menjadi tidak bermanfaat untuk mengambil suatu kesimpulan. MODUS. karena jika prinsip-prinsip pemakaian alat analisis tidak dipenuhi. KUARTIL. DLL) PENYEBARAN (RANGE. STATISTIKA STATISTIKA DESKRIPTIF FREKUENSI (DISTRIBUSI FREKUENSI.

o distribusi frekuensi kumulatif. o distribusi frekuensi relatif. baik tabel frekuensi maupun tabel silang. ordinal. adalah sebagai berikut: 1. Jenis skala data. secara umum penerapan statistika deskriptif dapat berupa:  Frekuensi: o distribusi frekuensi. tanpa analisis dan kesimpulan yang berlaku untuk umum (tanpa generalisasi). diagram garis. Statistika deskriptif dapat diterapkan untuk data dari populasi maupun sampel. Statistika deskriptif digunakan untuk menyederhanakan data agar mudah dipahami. tabel. ordinal. Statistika deskriptif adalah statistika yang berfungsi untuk mendeskripsikan atau menggambarkan obyek yang diteliti melalui data populasi maupun sampel sebagaimana adanya. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 20 .Hal-hal yang harus diperhatikan ketika memilih alat statistika. bisa juga disajikan dalam bentuk diagram atau grafik seperti diagram batang. Bagaimanakah hipotesis yang dibuat. termasuk sampling probabilitas ataukah non probabilitas. STATISTIKA DESKRIPTIF SEBAGAI ALAT ANALISIS DATA Statistika deskriptif digunakan untuk jenis penelitian deskriptif. atau rasio 4. 3. apakah nominal. maupun rasio. apakah berasal dari sampel (melalui sampling) ataukah dari populasi (dengan cara sensus) 2. baik sampel yang diambil dengan sampling probabilitas maupun non probabilitas. teknik sampling apa yang digunakan. serta bisa digunakan untuk semua skala pengukuran. nominal. apakah perlu uji satu arah ataukah dua arah kalau memakai statistika inferensial. Jika berasal dari sampel. Sebagaimana dipaparkan pada Gambar 1. dan sebagainya. interval. Data bisa disajikan dalam bentuk teks. Asal data. interval.

o kuartil. berupa: o range. Tabel 1. o modus. o dan sebagainya DISTRIBUSI FREKUENSI Pada umumnya distribusi frekuensi disajikan menggunakan tabel distribusi frekuensi.o dan sebagainya  Gejala pemusatan (tendensi sentral): o mean. o varians. dengan alasan jumlah data yang hendak disajikan cukup banyak sehingga tidak efisien dan kurang komunikatif jika disajikan menggunakan tabel biasa. o median.  Gejala penyebaran (disperse/simpangan). o persentil. Berikut ini adalah contoh distribusi frekuensi pada data berskala ordinal. o deviasi standar. Distribusi Frekuensi Usia Kader Desa Siaga Di Kecamatan Sentosa Kota Gemah Ripah No 1 2 3 4 5 6 7 Umur 16-20 tahun 21-25 tahun 26-30 tahun 31-35 tahun 36-40 tahun 41-45 tahun 46-50 tahun Jumlah Frekuensi 2 10 13 10 8 5 2 50 21 Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan . o dan sebagainya. o desil.

Tabel 3 berikut adalah data pada Tabel 1 yang telah diubah menjadi distribusi frekuensi kumulatif.00 20.00 Distribusi frekuensi kumulatif adalah tabel yang menunjukkan jumlah observasi yang menyatakan kurang dari nilai tertentu.00 10. Tabel 2.00 26. Distribusi Frekuensi Relatif Usia Kader Desa Siaga Di Kecamatan Sentosa Kota Gemah Ripah No 1 2 3 4 5 6 7 Umur 16-20 tahun 21-25 tahun 26-30 tahun 31-35 tahun 36-40 tahun 41-45 tahun 46-50 tahun Jumlah Frekuensi 2 10 13 10 8 5 2 50 Frekuensi Relatif (Persentase) 4.00 20. berarti diawali dengan “kurang dari 21”. Untuk memulai pernyataan “kurang dari” digunakan batas bawah dari kelas interval kedua. Pada distribusi frekuensi relatif. maka kita langsung melihat frekuensi kumulatif kurang dari 31. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 22 . tidak jarang distribusi frekuensi dikembangkan menjadi distribusi frekuensi relatif dan distribusi frekuensi kumulatif.00 4.Untuk keperluan analisis yang lebih kompleks. Misalnya kita ingin mengetahui berapa orang kader yang berusia 30 tahun ke bawah.00 100. data disajikan dalam bentuk proporsi yang pada umumnya berupa persentase. yaitu 25 orang.00 16. Jika contoh pada Tabel 1 dikembangkan menjadi distribusi frekuensi relatif maka penyajian data berubah sebagaimana ditampilkan pada Tabel 2. Pada contoh di atas.

Tabel 4.00 24. secara mudah Anda dapat membuat tabel distribusi frekuensi kumulatif “lebih dari”.00 86. lebih dari 20 tahun.00 96. dan seterusnya sampai dengan lebih dari 45 tahun. sebagaimana dicontohkan pada Tabel 4 sebagai berikut.00 50. Distribusi Frekuensi Kumulatif Relatif Usia Kader Desa Siaga Di Kecamatan Sentosa Kota Gemah Ripah No Umur Frekuensi Kumulatif 1 2 3 4 5 6 7 Kurang dari 21 tahun Kurang dari 26 tahun Kurang dari 31 tahun Kurang dari 36 tahun Kurang dari 41 tahun Kurang dari 46 tahun Kurang dari 51 tahun 2 12 25 35 43 48 50 Frekuensi Kumulatif Relatif (Persentase) 4.00 Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 23 . juga dikenal frekuensi kumulatif “lebih dari”. Distribusi Frekuensi Kumulatif Usia Kader Desa Siaga Di Kecamatan Sentosa Kota Gemah Ripah No 1 2 3 4 5 6 7 Umur Kurang dari 21 tahun Kurang dari 26 tahun Kurang dari 31 tahun Kurang dari 36 tahun Kurang dari 41 tahun Kurang dari 46 tahun Kurang dari 51 tahun Frekuensi 2 12 25 35 43 48 50 Selain frekuensi kumulatif “kurang dari”.Tabel 3.00 70. lebih dari 25 tahun. Melalui cara yang sama dengan pembuatan distribusi frekuensi kumulatif “kurang dari”. Dapat pula kita menggabungkan distribusi frekuensi relatif dan distribusi frekuensi kumulatif. yang selanjutnya disebut distribusi frekuensi relatif kumulatif.00 100. Buatlah contoh tabel ini untuk latihan. misalnya lebih dari 15 tahun.

Misalnya akan didapatkan sekelompok data tentang variabel kompetensi psikomotorik KDPK dari populasi mahasiswa Tingkat I Akademi Kebidanan “A” sebesar 20 orang. 70. Salah satu teknik untuk mendeskripsikan data kelompok adalah berupa gejala pemusatan yaitu mean.GEJALA PEMUSATAN (TENDENSI SENTRAL) Setiap penelitian selalu berkaitan dengan sekelompok data. 80. 30. Berarti pada contoh di atas. 50. 40. 30. median. 50. 70. 60. Formula untuk menghitung mean adalah: ∑ Me = Mean ∑ = Jumlah Xi = Nilai X ke-i sampai dengan ke-n N = Jumlah anggota kelompok Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 24 . 60. kemudian dibagi dengan jumlah anggota kelompok. Mean diperoleh dengan cara menjumlahkan data seluruh anggota kelompok. 70. 60. dan modus. 60. 50 Prinsip dasar untuk menjelaskan tentang kelompok yang diteliti adalah bahwa penjelasan yang diberikan harus benar-benar mewakili seluruh kelompok yang diteliti. 1. penjelasan tentang data kompetensi psikomotorik KDPK harus benar-benar mewakili seluruh kelompok mahasiswa Tingkat I Akademi Kebidanan “A” tersebut. 80. 50. sebagai berikut: 60. 60. Mean Mean merupakan teknik penjelasan kelompok yang didasarkan atas nilai rata-rata dari data kelompok tersebut. 70. 60. Dalam penelitian akan didapatkan sekelompok data dari variabel tertentu.

60. maka nilai tengah dari kelompok data tersebut adalah pada urutan antara ke-10 dan ke-11.Mean merupakan wakil dari keseluruhan nilai kelompok yang bersifat sangat dipengaruhi nilai ekstrim baik ekstrim kecil maupun ekstrim besar. 60. Sebagai contoh ada 2 mahasiswa yang memiliki nilai nol. Pada contoh di atas. 40. 60. 60. yaitu 60 dan 60. 60. sehingga hanya cocok untuk data terdistribusi normal (tidak ada nilai ekstrim). 70. Median Median adalah salah satu teknik penjelasan kelompok data yang didasarkan atas nilai tengah dari kelompok data yang telah disusun urutannya dari yang terkecil hingga yang terbesar atau sebaliknya dari yang terbesar hingga yang terkecil. posisi nilai tengah adalah posisi Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 25 . 50. 60. 50. Maka median adalah (60+60):2 = 60. Pada contoh kelompok data kompetensi psikomotorik KDPK di atas. 70. untuk mencari median data harus diurutkan sebagai berikut: 30. 80. 50. 60. 70. 50. 80 Karena kelompok data tersebut berjumlah genap yaitu 20. Jadi untuk data berjumlah genap. nilai mean kelompok adalah: 60+70+60+70+80+60+70+60+30+60+50+40+60+60+50+30+80+50+70+50 = 58 20 Jika ada nilai ekstrim kecil (ada nilai sangat kecil yang jauh dari nilai-nilai lain yang ada) maka nilai mean akan mudah berubah. 70. maka mean adalah: 60+70+60+70+0+60+70+60+30+60+50+40+0+60+50+30+80+50+70+50 = 51 20 2. 30.

60. 50. posisi nilai tengah adalah Pada contoh di atas (N=19) adalah: = = 10. 80 Maka maka nilai tengah dari kelompok data tersebut adalah pada urutan antara ke10 yaitu 60. 60. 50. 40. 60. 70. 50. 70. 70. 60. 30. Maka median adalah 60. Sebagai contoh. untuk data berjumlah ganjil. Jadi median pada posisi ke-10 = 60 (contoh di atas). 60. 50. Kesimpulannya. Jadi ada ataupun tak ada nilai ekstrim (baik ekstrim kecil maupun besar). nilai median tidak akan berubah.Pada contoh di atas (N=20) adalah: = Jadi median = = 60 (contoh di atas) Jika kelompok data berjumlah ganjil misalnya berjumlah 19 orang sebagai berikut: 30. Kelebihan median adalah tidak terpengaruh oleh nilai ekstrim. bandingkan median dari 2 kelompok data berikut: Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 26 . 60. 70. 60.

40. maka modus adalah 60 karena nilai inilah yang paling sering muncul yaitu 7 kali (lihat Tabel 5). 70. Bandingkan dengan mean yang berbeda antara pretest dan post-test yaitu 51 dan 58. 80. 70. Modus Modus adalah teknik penjelasan kelompok yang didasarkan atas nilai yang sedang popular (yang sedang jadi mode) atau nilai yang paling sering muncul dalam kelompok tersebut. 70. 50. 50. 60. 30. 70. 0. 60. 30. 40. Pada contoh kelompok data kompetensi psikomotorik KDPK di atas. 60. 50. 80 Meskipun saat pre-test terdapat nilai ekstrim yaitu nol. 60. 60. 60. 30. 70. 60. 50. Kompetensi Psikomotorik KDPK Mahasiswa Tingkat I Akademi Kebidanan “A” Kompetensi Psikomotorik KDPK 30 40 50 60 70 80 Jumlah Jumlah 2 1 4 7 4 2 20 Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 27 . 70. 60. 60. 50. 60. Tabel 5. 70. 60. 80 Kompetensi psikomotorik KDPK mahasiswa Akademi Kebidanan “A” (Post-test): 30.Kompetensi psikomotorik KDPK mahasiswa Akademi Kebidanan “A” (Pre-test): 0. 50. 60. 60. namun nilai median pre-test dan post-test sama yaitu 60. 50. 70. 50. 3.

akan menyebabkan nilai mean akan bergeser menjauh ke kanan atau ke kiri dari nilai median dan modus. Data dengan nilai ekstrim. median. Sedangkan mean digunakan jika data di dalam kelompok cenderung merata (tak ada nilai ekstrim). serta deviasi standar. Maka formula untuk menghitung range adalah: R = Range Xt = Nilai tertinggi Xr = Nilai terendah Pada contoh di atas Range adalah = 80 – 30 = 50 Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 28 . dan modus di atas maka jelaslah bahwa cara penggunaan dari ketiga teknik tersebut harus disesuaikan dengan kondisi. PENYEBARAN ATAU VARIASI KELOMPOK Untuk mengetahui tingkat variasi yang ada di dalam kelompok dapat digunakan nilai range. Jika peneliti ragu-ragu untuk memilih teknik yang sesuai. Digunakan modus jika peneliti ingin cepat memberikan penjelasan mengenai kelompok. dan modus yang hampir sama. median. sehingga teknik ini kurang teliti. Digunakan median jika terdapat data yang ekstrim di dalam kelompok. dengan hanya mempunyai data yang populer pada kelompok itu. maka sebaiknya ketiga teknik tersebut digunakan secara bersama-sama.Berdasarkan penjelasan mean. varians. 1. Range Range atau rentang adalah jarak dari nilai terkecil hingga nilai terbesar sehingga dapat dihitung dengan selisih dari nilai terbesar dan terkecil. Data yang merata akan memiliki nilai mean.

Berikut ini adalah formula untuk menghitung varians untuk populasi. sedangkan untuk sampel adalah s2. Varians Varians dapat digunakan untuk menjelaskan homogenitas dari data kelompok. maka range akan lebih besar. Varians adalah jumlah kuadrat dari semua deviasi nilai-nilai individual terhadap rata-rata kelompok. Jika nilai antar anggota kelompok tak jauh berbeda.Jika terdapat nilai ekstrim. Simbol dari varians untuk populasi adalah 2. maka kelompok cenderung homogen. ∑ Agar lebih mudah. pada contoh di atas range ketika ada nilai ekstrim nol adalah 80 – 0 = 80 2. untuk menghitung varians maka digunakan tabel penolong sebagaimana dicontohkan pada Tabel 6. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 29 .  ∑ Sedangkan berikut ini adalah formula untuk menghitung varians untuk sampel.

Tabel Penolong Penghitungan Varians Untuk Kompetensi Psikomotorik KDPK No Kompetensi Psikomotorik KDPK Simpangan (X) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Jumlah 60 70 60 30 60 50 40 60 60 50 30 80 50 70 50 60 70 60 30 60 1160 2 12 2 -28 2 -8 -18 2 2 -8 -28 22 -8 12 -8 2 12 2 -28 2 0 4 144 4 784 4 64 324 4 4 64 784 484 64 144 64 4 144 4 784 4 3720 Simpangan Kuadrat Jika seandainya data di dalam tabel penolong di atas berasal dari populasi.  ∑ = = 186 Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 30 .Tabel 6. maka dapat dihitung varians sebagai berikut.

maka Tabel di atas dapat juga digunakan untuk menghitung simpangan baku. ∑ = = 195.  √ ∑ Sedangkan berikut ini adalah formula untuk menghitung varians untuk sampel. Berikut ini adalah formula untuk menghitung varians untuk populasi.Jika seandainya data di dalam tabel penolong di atas berasal dari sampel. sedangkan untuk sampel adalah s. Deviasi Standar Deviasi standar atau simpangan baku adalah akar dari varians. √ ∑ Karena simpangan baku adalah akar dari varians.79 3. maka dapat dihitung varians sebagai berikut. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 31 . yang selanjutnya hasil penghitungannya adalah sebagai berikut. Deviasi standar untuk populasi diberi simbol .

64 Jika seandainya data di dalam tabel penolong di atas berasal dari sampel. √ ∑ = √ = 13. karena hasil dari model statistika ini hendak digeneralisasikan bagi populasi. maka Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 32 . Oleh karena itu implemetasi dari statistika inferensial adalah menerapkan berbagai macam uji statistik. maka dapat dihitung varians sebagai berikut.99 STATISTIKA INFERENSIAL SEBAGAI ALAT ANALISIS DATA Sebagaimana ditampilkan pada Gambar 1.Jika seandainya data di dalam tabel penolong di atas berasal dari populasi. baik hipotesis yang bersifat komparatif (perbandingan atau perbedaan). Jika hasil uji statistika signifikan. maupun hipotesis yang bersifat asosiatif (hubungan). maka dapat dihitung simpangan baku sebagai berikut.  √ ∑ =√ = 13. Selanjutnya statistika inferensial ini berfungsi untuk menguji apakah hasil yang diperoleh dari sampel benar-benar dapat disimpulkan untuk populasi (generalisasi). statistika inferensial menghendaki adanya hipotesis (dugaan sementara). Sehingga bisa dikatakan bahwa statistika inferensial adalah statistika yang berguna untuk menguji hipotesis. Pada penerapannya. Diharuskan menggunakan sampling probabilitas yang merupakan representasi dari populasi. statistika inferensial diterapkan bagi data yang diperoleh dari sampling probabilitas yang benar-benar dapat mewakili populasi.

atau skala interval dan rasio yang bebas distribusi (tidak harus berdistribusi normal). berarti hasil analisis pada sampel tersebut dapat disimpulkan secara umum (generalisasi) bagi populasi. dari populasi yang berdistribusi normal. Ada 2 macam statistika inferensial yaitu:  Statistika parametrik yang dikhususkan bagi data berskala interval dan rasio. Uji-Uji Statistika Untuk Statistika Parametrik Bentuk Hipotesis Skala Data Komparatif 2 sampel Related (Berpasangan) Interval dan Rasio  Paired Sample T-Test Independent (Bebas)  Independent Sample T-Test Komparatif Komparatif >2 sampel Related (Berpasangan)  One Way Anova  Two Way Anova Independent (Bebas)  One Way Anova  Two Way Anova  Pearson Product Moment  Pratial Correlation  Multiple Correlation Asosiatif Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 33 . STATISTIKA PARAMETRIK Telah dijelaskan pada bagian terdahulu bahwa statistika parametrik dikhususkan bagi data berskala interval dan rasio dari populasi yang berdistribusi normal.hipotesis diterima. Uji-uji statistika yang diterapkan dalam statistika parametrik ditampilkan pada Tabel 7. Tabel 7.  Statistika non parametrik yang dikhususkan bagi data berskala nominal dan ordinal.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 34 . STATISTIKA NON PARAMETRIK Telah dijelaskan pada bagian terdahulu bahwa statistika non parametrik dikhususkan bagi data berskala nominal dan ordinal atau interval dan rasio dari populasi yang tidak harus berdistribusi normal. dengan demikian masih ada uji-uji statistika parametrik lain yang tidak tercantum. Tabel 8. dengan demikian masih ada uji-uji statistika non parametrik lain yang belum dicantumkan. Uji-Uji Statistika Untuk Statistika Non Parametrik Bentuk Hipotesis Skala Data Komparatif 2 sampel Related (Berpasangan) Nominal  Mc Nemar Independent (Bebas)  Chi Square  Fisher Exact Komparatif Komparatif >2 sampel Related (Berpasangan)  Cochran Independent (Bebas)  Chi Square  Contingency Coefficient  Phi Coefficient Ordinal  Wilcoxon Signed Rank Test  Mann Whitney U-Test  KolmogorovSmirnov  Median Test  WaldWoldfowitz  Friedman  Median Extension  Kruskal Wallis  Spearman Rank Correlation  Kendal Tau  Kappa Asosiatif Isi dari tabel di atas adalah uji-uji yang sering dipakai. Penerapan dari uji-uji statistik di atas akan dijelaskan pada bagian tersendiri. Uji-uji statistika yang diterapkan dalam statistika non parametrik ditampilkan pada Tabel 8. Penerapan dari uji-uji statistik di atas akan dijelaskan pada bagian tersendiri.Isi dari tabel di atas adalah uji-uji yang sering dipakai.

http://www. Statistics. Pada bagian selanjutnya akan dijelaskan tentang penyajian data dengan tiga macam cara yaitu pertama. Elementary Statistics and Probability Tutorials and Problems. Statistika Untuk Penelitian. baik secara deskriptif maupun inferensial adalah penyajian data. kedua secara tabular (disajikan menggunakan tabel). http://www. 2007.com Anonymous.com\statistics.analyzemath. and Survey Sampling. Surabaya: Program Pasca Sarjana Universitas Airlangga. 2005. Sugiyono. REFERENSI Nugraha Setiawan.PENUTUP Kegiatan yang tidak lepas dari analisis data. secara tektular (disajikan secara naratif. Anonymous. Bandung: Universitas Padjajaran Purnomo Windu. dan ketiga secara grafikal (disajikan dengan grafik atau diagram). Probability. 2011. Metode Penelitian Kuantitatif (Karya Tulis Ilmiah). 2011. Bandung: Penerbit Alfabeta.stattrek. 2005.html Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 35 . Pengolahan dan Analisis Data.

sebagai berikut. ketiga teknik penyajian data di atas dapat digunakan secara bersamaan. Dalam kegiatan penelitian.  Penyajian data secara grafikal Dalam hal ini. dan modus dari keterampilan kader posyandu dalam pengisian KMS. sehingga lebih mudah untuk disimpulkan. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 36 .  Penyajian data secara tabular Penyajian secara tabular membutuhkan alat bantu tabel. dan modus. Sebagai contoh adalah penyajian data mengenai nilai mean.Telah dijelaskan pada bagian sebelumnya bahwa data yang dianalisis dalam proses penelitian dapat disajikan dengan berbagai cara yaitu:  Penyajian data secara tekstular Penyajian dengan cara ini cukup disampaikan secara naratif. terutama jika terdapat banyak variabel di dalam penelitian tersebut. supaya data dapat disajikan secara ringkas. misalnya menceritakan tentang hasil penghitungan mean. median. peneliti hanya menggunakan teks saja untuk menyajikan hasil analisis data. PENYAJIAN DATA SECARA TEKTULAR Pada teknik penyajian data secara tekstular. median. data disajikan ke dalam grafik atau diagram. sehingga lebih mudah untuk disimpulkan. supaya data dapat disajikan secara ringkas.

Ketiga nilai tersebut hampir sama sehingga ………… Untuk mendapatkan contoh lebih banyak dan variatif mengenai penyajian data secara tekstular. Agar lebih mudah untuk memahami penyajian secara tabular. Jika dilakukan penyajian secara univariat (satu demi satu variabel).... distribusi frekuensi relatif. bisa merupakan tabel biasa.. PENYAJIAN DATA SECARA TABULAR Penyajian hasil analisis data secara tabular banyak digunakan dalam berbagai penelitian. nilai-nilai pemusatan yang diperoleh adalah mean= 67. Tabel yang digunakanpun sangat variatif... gambar berikut dapat dijadikan sebagai pedoman pemilahan.6. sedangkan modus= 68. maupun distribusi frekuensi kumulatif. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 37 . biasanya digunakan tabel distribusi frekuensi.. maka biasanya digunakan tabel silang..... median= 68. Jika dilakukan penyajian secara bivariat (kaitan antar 2 variabel) dan multivariat (kaitan antar >2 variabel). dapat dilihat pada hasil-hasil penelitian baik berupa laporan-laporan penelitian yang simpan diperpustakaan maupun artikel-artikel hasil penelitian yang dipublikasikan melalui jurnal-jurnal penelitian ilmiah.. bisa pula berupa tabel frekuensi..

Jika tabel yang digunakan bukan tabel frekuensi.DISTRIBUSI FREKUENSI KUMULATIF BIVARIAT & MULTIVARIAT : . jadi selain untuk keperluan penyajian hasil analisis data bukan termasuk tabel biasa ini. maka tabel tersebut adalah tabel biasa.0 2.DISTRIBUSI FREKUENSI .TABEL SILANG 2 VARIABEL . Tabel 1. Nilai-Nilai Pemusatan dan Penyebaran dari Kadar Hemoglobin Ibu Hamil Trimester III di Rumah Sakit Paling Bagus Pemusatan Jenis Rerata Modus Median Nilai 11. Tidak ditemukan referensi khusus yang membahas ketentuanketentuan penggunaan tabel biasa.TABEL BIASA UNIVARIAT : .9 4. Berikut ini adalah contoh penyajian hasil analisis data menggunakan tabel biasa.8 12.DISTRIBUSI FREKUENSI RELATIF TABEL TABEL FREKUENSI .0 Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 38 .0 12.0 Penyebaran Jenis Rentang Varians Deviasi Standar Nilai 2. misalnya tabel rekapitulasi data mentah yang belum dianalisis. Perlu diperhatikan bahwa tabel yang dibahas dalam bagian ini adalah tabel biasa khusus untuk penyajian hasil analisis data.TABEL SILANG >2 VARIABEL PENYAJIAN MENGGUNAKAN TABEL BIASA Tabel biasa digunakan untuk menyajikan berbagai macam data dengan berbagai macam skala.

00% 8. frekuensi. tabel distribusi frekuensi relatif.PENYAJIAN MENGGUNAKAN TABEL UNTUK ANALISIS UNIVARIAT (MENGGUNAKAN TABEL DITRIBUSI FREKUENSI) Pada bagian terdahulu mengenai analisis data menggunakan model-model statistika deskriptif telah diberikan contoh secara lengkap mengenai penggunaan tabel frekuensi bagi analisis secara univariat. Distribusi Frekuensi Jenis Pekerjaan Kader Posyandu di Desa “A”. Kabupaten “C”. antara lain: tabel distribusi frekuensi. namun pada beberapa kasus. kita dapat menarik kesimpulan berdasarkan proporsi mayoritas. dan tabel distribusi frekuensi kumulatif. Biasanya penyimpulan isi tabel diarahkan pada proporsi yang paling besar. penyimpulan mungkin lebih tepat untuk diarahkan pada kategori-kategori yang istimewa (secara positif maupun negatif) yang biasanya dipandang cukup berarti meskipun tidak memiliki proporsi mayoritas.33% 100% Dari Tabel 2 di atas.67% 25.” Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 39 . Penyajian menggunakan tabel distribusi frekuensi seperti ini cocok digunakan untuk data berskala nominal dan ordinal. Tabel 2 dan Tabel 3 menampilkan contoh-contoh penyajian data secara tabular menggunakan tabel distribusi frekuensi. Tabel 2. Kecamatan “B”. Kolom-kolom yang diperlukan untuk penyajian ini antara lain nomor urut (kalau diperlukan). misalnya: “Dari Tabel 1 terlihat bahwa sebagian besar Kader Posyandu bekerja sebagai petani. Tahun 2011 No 1 2 3 4 Jenis Pekerjaan Petani Pedagang PNS/ TNI/ POLRI Ibu Rumah Tangga Jumlah Frekuensi 16 6 0 2 24 Persentase 66. dan persentase (jika nilai relatif dibutuhkan).00% 0. variabel.

tabel silang juga diterapkan untuk penyajian data berskala nominal atau ordinal.Tabel 3. namun pada tabel ini ditampilkan 2 variabel atau lebih secara bersama-sama. Seperti halnya tabel distribusi frekuensi. untuk penyajian hasil analisis data secara bivariat dan multivariat digunakan tabel silang. Kabupaten “C”.00% 20. tampaknya penyimpulan seperti ini kurang tepat. pada contoh di atas lebih tepat jika penarikan kesimpulan adalah sebagai berikut: “Kejadian kekurangan gizi (gizi buruk dan gizi kurang) cukup besar yaitu 22. Penggunaan tabel silang sesungguhnya mirip dengan penggunaan tabel distribusi frekuensi. PENYAJIAN MENGGUNAKAN TABEL UNTUK ANALISIS BIVARIAT DAN MULTIVARIAT (MENGGUNAKAN TABEL SILANG) Sebagaimana telah disinggung di atas. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 40 . karena kejadian kekurangan gizi (gizi buruk dan gizi kurang) yang dianggap menjadi masalah masyarakat tidaklah harus berada pada proporsi mayoritas. Masalah kekurangan gizi dengan proporsi >15.00% dari seluruh balita.00% dari seluruh balita.” Kalau direnungkan secara mendalam.” Boleh juga disimpulkan: “Meskipun sebagian besar balita memiliki status gizi baik (72. Kecamatan “B”. maka contoh kesimpulannya adalah: “Mayoritas balita sudah memiliki status gizi yang baik. jika misalnya kita menarik kesimpulan berdasarkan proporsi mayoritas.00% 6.00% 72. Oleh karena itu. namun kejadian malnutrisi (gizi buruk dan gizi kurang) cukup besar yaitu 22.00%).00% 100.00% Untuk contoh Tabel 3. Distribusi Frekuensi Status Gizi Balita di Desa “A”. Tahun 2011 No 1 2 3 4 Status Gizi Gizi Buruk Gizi Kurang Gizi Baik Gizi Lebih Jumlah Frekuensi 1 10 36 3 50 Persentase 2.00% sudah menjadi masalah yang serius bagi masyarakat.

00% 50. Kota “B” pada Tahun 2011 Insiden Infeksi TORCH Positif f Kelurahan “P” Tempat Tinggal Kelurahan “Q” Kelurahan “R” Kelurahan “S” Jumlah 8 4 4 0 16 % 33.00% 75. Tabel 4 Distribusi Insiden Infeksi TORCH pada Ibu Hamil Berdasarkan Tempat Tinggal di Wilayah Kecamatan “A”. untuk membandingkan distribusi kategori pada variabel terikat berdasarkan variabel bebas.00% 100.67% 75.33% 25.00%. maupun total kolom. Namun. Kelurahan yang memiliki proporsi terbesar infeksi TORCH positif adalah pada Kelurahan “R” yaitu 50. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 41 .00% f 16 12 4 16 48 Negatif % 66. Mengapa dapat ditarik kesimpulan seperti di atas? Bukankah di Kelurahan “P” terdapat lebih banyak ibu hamil dengan infeksi TORCH positif yaitu 8 orang. Berikut ini disajikan contoh tabel silang 2 variabel (Tabel 4) yang menunjukkan distribusi kejadian infeksi TORCH (variabel terikat) berdasarkan tempat tinggal ibu hamil (variabel bebas).00% 50. sedangkan variabel terikat diletakkan pada posisi kolom (judul di atas). Pada tabel silang.00% 25. proporsi (persentase) dapat dihitung dari frekuensi total. total baris. sebaiknya digunakan persentase berdasarkan total baris.00% f 24 16 8 16 64 % 100% 100% 100% 100% 100% Jumlah Dari tabel di atas dapat disimpulkan bahwa kejadian infeksi TORCH di Kecamatan “A” cukup besar yaitu 25.00% 0. Pada tabel silang untuk 2 variabel.00% atau separuh dari seluruh ibu hamil yang ada di kelurahan tersebut. umumnya variabel bebas diletakkan pada posisi baris (judul di kiri).Pada bahasan ini hanya akan diberikan contoh penggunaan tabel silang untuk 2 variabel.

misalnya 1 gambar mewakili 100 orang. poligon frekuensi. namun jumlah ibu hamil di sini cukup banyak (24 orang). diagram berserak.33%. Sedangkan meskipun di Kelurahan “R” hanya ada 4 orang positif infeksi TORCH. Ada beberapa macam penyajian data secara grafikal yaitu: diagram gambar. namun untuk setiap kelipatan tertentu dilambangkan dengan gambar tertentu. Seperti halnya penyajian secara tabular. dengan cepat kita dapat melihat dan membandingkan frekuensi-frekuensi yang ada. dan sebagainya. Kelemahannya adalah kesulitan menyajikan gambar untuk frekuensi yang tidak tepat pada kelipatan tertentu. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 42 . sehingga proporsinya hanya 33. sehingga lebih mudah dipahami dan disimpulkan.sedangkan di Kelurahan “R” hanya 4 orang? Kalau dicermati berdasarkan jumlah total ibu hamil di masih-masing kelurahan. sehingga proporsinya adalah 50. di Kelurahan “P” ada 8 orang positif infeksi TORCH. maka kita akan kesulitan menyajikan gambar secara akurat yang mewakili 82 orang. namun jumlah ibu hamil di sini hanya 8 orang. diagram pie. PENYAJIAN DATA SECARA GRAFIKAL Penyajian data secara grafikal adalah penyajian data menggunakan grafik atau diagram. penyajian secara grafikal ini bertujuan agar data bisa disajikan secara ringkas dan lebih informatif. diagram batang. diagram garis. Selanjutnya tentulah dapat kita pastikan bahwa 4 orang di Kelurahan “Q” lebih kecil proporsinya dibandingkan dengan 4 orang di Kelurahan “R”. Secara visual. histogram. ogif.00%. DIAGRAM GAMBAR Diagram gambar mirip dengan penyajian menggunakan tabel.

1. Desa Sejahtera : 5. Desa Sentosa : Keterangan: = mewakili 100 orang Gambar 1 Jumlah WUS di Kecamatan Subur Berdasarkan Desa Tempat Tinggal Tahun 2010 Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 43 . Desa Damai : 4. Desa Aman : 2. Desa Bahagia : 6. Desa Tenteram : 3.

DIAGRAM PIE Diagram pie yang disebut pula sebagai diagram lingkaran. 14. Jumlah kategori ideal untuk diagram lingkaran adalah 4 – 6. Gambar 2 menampilkan contoh penggunaan diagram lingkaran dari data yang tertera pada Tabel 6. Sebaiknya dihindari untuk variabel dengan jumlah kategori yang terlalu banyak. 28% Sesuai. 10. Distribusi Frekuensi Perkembangan Balita di Posyandu Melati Kelurahan Aman Kecamatan Sentosa Kota Sejahtera pada Tahun 2011 No 1 2 3 Perkembangan Sesuai Meragukan Penyimpangan Jumlah Frekuensi 26 10 14 50 Persentase 52 20 28 100 PERKEMBANGAN ANAK Penyimpangan. Tabel 6. 26. 20% Gambar 2 Distribusi Frekuensi Perkembangan Balita di Posyandu Melati Kelurahan Aman Kecamatan Sentosa Kota Sejahtera pada Tahun 2011 Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 44 . 52% Meragukan. digunakan untuk menyajikan kategori-kategori data dalam satu variabel.

Distribusi Frekuensi Perkembangan Anak Prasekolah di PAUD Kasih Sayang Magetan pada Tahun 2011 No 1 2 Perkembangan Normal Suspek Jumlah Frekuensi 36 14 50 Persentase 72 28 100 PERKEMBANGAN ANAK 40 30 20 10 0 36 14 Normal Suspek Gambar 3. yang diambil dari data pada Tabel 6. Bentuk boleh vertical. Tabel 6. Distribusi Frekuensi Perkembangan Anak Prasekolah di PAUD Kasih Sayang Magetan pada Tahun 2011 Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 45 . Dimulai dari titik nol Berikut ini disajikan contoh diagram batang tentang Distribusi frekuensi perkembangan anak prasekolah (Gambar 3). Lebar batang harus sama 4. 2. Ketentuan bagi diagram batang adalah: 1. Terdapat ruang di antara dua batang 3. boleh pula horisontal.DIAGRAM BATANG Diagram batang dapat digunakan untuk satu atau beberapa variabel.

4. sehingga batang yang ada harus berimpit.HISTOGRAM Histogram berasal dari data kontinyu. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 46 . Perhatikan bahwa data tanpa kelas interval pada Tabel 7. Histogram ini dibuat menggunakan perangkat lunak statistikal. Tinggi batang adalah frekuensi. Histogram banyak digunakan untuk membandingkan frekuensi yang terdapat di dalam interval kelas dan untuk mengetahui kelas yang berinterval besar dan kecil. Setiap batang mewakili kelas interval tertentu. diubah secara otomatis oleh perangkat lunak menjadi interval kelas. Luas setiap batang adalah proporsi dari luas seluruh histogram. Histogram disebut pula diagram luas dengan ketentuan sebagai berikut: 1. 6. Luas seluruh batang adalah 100% 3. Berikut ini disajikan contoh data tentang berat badan dan tinggi badan penduduk Dasawisa (Tabel 7) yang selanjutnya akan disajikan berupa histogram (Gambar 4). Lebar setiap batang adalah proporsi setiap batang 5. Tanpa celah antar batang 2. sehingga proses pembuatannya efisien dan akurat.

Tabel 7 Data Berat Badan dan Tinggi Badan Penduduk Dasawisma Gembira Desa Riang Tahun 2011 No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 Berat Badan 30 31 24 25 12 36 40 42 45 40 37 25 44 46 24 25 50 43 44 46 47 19 21 34 33 34 35 35 35 26 33 34 25 25 32 56 57 37 38 37 38 36 35 Tinggi Badan 150 156 123 126 65 178 180 180 185 181 179 124 190 191 123 125 191 183 188 189 189 90 111 170 160 171 175 176 100 130 160 160 125 123 160 190 190 187 170 178 188 180 172 Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 47 .

00 20.58317 N = 43 0 10.00 60.00 50. Dev.00 30.1395 Std.00 BB Gambar 4 Berat Badan Penduduk Dasawisma Gembira Desa Riang Tahun 2011 Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 48 . = 9.12 10 8 Frequency 6 4 2 Mean = 35.00 40.

POLIGON FREKUENSI Bila titik tengah dari batang histogram dihubungkan satu dengan yang lainnya akan menghasilkan poligon frekuensi (Gambar 5). Gambar 5 Berat Badan Penduduk Dasawisma Gembira Desa Riang Tahun 2011 Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 49 . Poligon ini digunakan untuk membandingkan beberapa grafik.

0224x + 1. Pada contoh Gambar 6.5 0 y = 0. Berikut ini disajikan kecenderungan tentang perkembangan jumlah peserta KB vasektomi dan tubektomi yang disajikan dengan diagram garis (Gambar 6).3750%.5 3 2.0829x + 2. 5 4.2879 = (0.3750 Jadi diprediksikan bahwa frekuensi relatif pada bulan januari untuk vasektomi adalah 0.0224 x 13) + 1. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 50 . Persamaan tersebut digunakan untuk meramalkan frekuensi yang akan terjadi pada satuan waktu berikutnya.5 1 0.2879 = 0.5 4 3.0224X + 1.553 Gambar 6 Kecenderungan perkembangan peserta vasektomi dan tubektomi di kabupaten M Pada diagram garis biasanya disertakan persamaan yang dibuat berdasarkan pola dari garis yang telah ada.DIAGRAM GARIS Diagram garis digunakan untuk menunjukkan trend (kecenderungan) menurut perjalanan waktu. prediksi frekuensi peserta vasektomi pada bulan Januari tahun berikutnya (bulan ke13) adalah: Y= 0.2879 Vasektomi Tubektomi Linear (Vasektomi) Linear (Tubektomi) y = 0.5 2 1.

Berikut ini disajikan contoh grafik ogif positif.00 100.00 96. Distribusi Frekuensi Kumulatif Relatif Usia Kader Desa Siaga Di Kecamatan Sentosa Kota Gemah Ripah No Umur Frekuensi Kumulatif 1 2 3 4 5 6 7 Kurang dari 21 tahun Kurang dari 26 tahun Kurang dari 31 tahun Kurang dari 36 tahun Kurang dari 41 tahun Kurang dari 46 tahun Kurang dari 51 tahun 2 12 25 35 43 48 50 Frekuensi Kumulatif Relatif (Persentase) 4.00 50. Tabel 8.OGIF Ogif digunakan untuk menggambarkan distribusi frekuensi kumulatif.00 86.00 70. baik frekuensi kumulatif kurang dari yang disebut ogif positif.00 USIA KADER DESA SIAGA 120 100 80 60 40 20 0 Kurang dari Kurang dari Kurang dari Kurang dari Kurang dari Kurang dari Kurang dari 21 tahun 26 tahun 31 tahun 36 tahun 41 tahun 46 tahun 51 tahun Gambar 7 Distribusi Frekuensi Kumulatif Relatif Usia Kader Desa Siaga Di Kecamatan Sentosa Kota Gemah Ripah Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 51 .00 24. maupun frekuensi kumulatif lebih dari atau ogif negatif.

Sebaliknya korelasi negatif didadapatkan jika X meningkat justru Y menurun.DIAGRAM BERSERAK Diagram berserak atau diagram pencar atau scatter diagram digunakan untuk menggambarkan korelasi antara 2 variabel. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 52 . Korelasi positif didapatkan jika variabel bebas (X) meningkat dikuti dengan peningkatan variabel terikat (Y).667x + 35. Variabel bebas terletak pada sumbu X sedangkan variabel terikat pada sumbu Y.61 80 60 40 20 0 0 20 40 60 80 100 Y-Values Linear (Y-Values) Gambar 8 Hubungan antara Nilai Kognitif dan Nilai Psikomotorik Mahasiswa Prodi Kebidanan Magetan Tentang Asuhan Persalinan Normal. Y-Values 120 100 y = 0. Gambar 8 menunjukkan contoh dari korelasi positif.

Anonymous. 2007. http://www. Anonymous.com Probability.REFERENSI Sugiyono. 2011. Statistics.analyzemath. http://www. Statistika Untuk Penelitian.stattrek. Elementary Statistics and Probability Tutorials and Problems. and Survey Sampling. Bandung: Penerbit Alfabeta.html Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 53 . 2011.com\statistics.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->