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

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

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

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

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

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

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

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

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

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

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 11 .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. Berikut ini disajikan sebuah contoh kuesioner untuk pengumpulan data tentang masalah mental emosional anak.

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. makan berlebihan. 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 . mencuri. sering melakukan perbuatan yang membahayakan dirinya. 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. sering terbangun saat tidur malam oleh karena mimpi buruk. kehilangan minat terhadap hal-hal yang biasa sangat dinikmati) Apakah anak Anda terlihat berperilaku merusak dan menentang terhadap lingkungan sekitarnya? (seperti melanggar peraturan.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. atau tidak mau makan sama sekali) Apakah anak Anda sering mengeluh sakit kepala. sakit perut. terjaga sepanjang hari. menyendiri atau merasa sedih sepanjang waktu. menghisap jempol. 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.

Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 13 .OBSERVASI Observasi atau pengamatan adalah pengamatan terhadap obyek yang akan dicatat datanya. 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). dengan persiapan yang matang. dilengkapi dengan instrument tertentu. Instrumen yang digunakan dalam observasi adalah lembar observasi.

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

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

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

Data berskala interval dan rasio langsung dimasukkan ke dalam table tanpa melalui proses coding terlebih dahulu. 2= gizi kurang. nilai-nilai pemusatan. Berbagai metode analisis data di atas akan dijelaskan pada bagian tersendiri. Analisis data secara deskriptif dapat berupa distribusi frekuensi. jadi jelaslah bahwa proses pada tahap ini harus menyediakan tabel. sedangkan pemusatan dan penyebaran digunakan untuk analisis data berskala interval dan rasio. 4= gizi lebih Analisis data Ada 2 macam metode analisis data yaitu secara deskriptif dan secara inferensial.TABULATING Tabulating atau tabulasi berasal dari kata “tabel”. Pada tahap ini peneliti harus memasukkan data berupa kode-kode (untuk data nominal dan ordinal) ke dalam tabel yang disusun sesuai dengan kebutuhan. 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. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 17 . Distribusi frekuensi digunakan untuk analisis data berskala nominal dan ordinal. dan nilai-nilai penyebaran. Berikut ini adalah contoh proses tabulasi. 2= wanita Kode Status gizi: 1= gizi buruk. 3= gizi baik.

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

karena jika prinsip-prinsip pemakaian alat analisis tidak dipenuhi. PERSENTIL. KUARTIL. DISTRIBUSI FREKUENSI KUMULATIF) PEMUSATAN (MEAN. VARIANS. DLL) PENYEBARAN (RANGE. MEDIAN. DESIL. Klasifikasi Statistika Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 19 . walaupun alat analisisnya sangat canggih.PEMILIHAN MODEL ANALISIS DATA Pemahaman tentang alat analisis data sangatlah penting. DISTRIBUSI FREKUENSI RELATIF. 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“. 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. DEVIASI STANDAR. STATISTIKA STATISTIKA DESKRIPTIF FREKUENSI (DISTRIBUSI FREKUENSI. MODUS. hasilnya akan salah diinterpretasikan dan menjadi tidak bermanfaat untuk mengambil suatu kesimpulan.

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

Berikut ini adalah contoh distribusi frekuensi pada data berskala ordinal. berupa: o range. o dan sebagainya. o deviasi standar. o kuartil.  Gejala penyebaran (disperse/simpangan). o median. dengan alasan jumlah data yang hendak disajikan cukup banyak sehingga tidak efisien dan kurang komunikatif jika disajikan menggunakan tabel biasa. o persentil. o varians. o desil. Tabel 1. o dan sebagainya DISTRIBUSI FREKUENSI Pada umumnya distribusi frekuensi disajikan menggunakan tabel distribusi frekuensi. 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  Gejala pemusatan (tendensi sentral): o mean. o modus.

Tabel 2.Untuk keperluan analisis yang lebih kompleks.00 Distribusi frekuensi kumulatif adalah tabel yang menunjukkan jumlah observasi yang menyatakan kurang dari nilai tertentu.00 100. data disajikan dalam bentuk proporsi yang pada umumnya berupa persentase. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 22 .00 4. yaitu 25 orang.00 20. tidak jarang distribusi frekuensi dikembangkan menjadi distribusi frekuensi relatif dan distribusi frekuensi kumulatif. Pada contoh di atas. Misalnya kita ingin mengetahui berapa orang kader yang berusia 30 tahun ke bawah. Untuk memulai pernyataan “kurang dari” digunakan batas bawah dari kelas interval kedua. Pada distribusi frekuensi relatif. Tabel 3 berikut adalah data pada Tabel 1 yang telah diubah menjadi distribusi frekuensi kumulatif.00 20. maka kita langsung melihat frekuensi kumulatif kurang dari 31.00 26.00 16. 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. Jika contoh pada Tabel 1 dikembangkan menjadi distribusi frekuensi relatif maka penyajian data berubah sebagaimana ditampilkan pada Tabel 2. berarti diawali dengan “kurang dari 21”.00 10.

dan seterusnya sampai dengan lebih dari 45 tahun.00 96.Tabel 3. lebih dari 25 tahun.00 100. misalnya lebih dari 15 tahun.00 86. 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”. juga dikenal frekuensi kumulatif “lebih dari”. Buatlah contoh tabel ini untuk latihan.00 70. lebih dari 20 tahun. Tabel 4. 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. Melalui cara yang sama dengan pembuatan distribusi frekuensi kumulatif “kurang dari”. secara mudah Anda dapat membuat tabel distribusi frekuensi kumulatif “lebih dari”.00 Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 23 .00 24. yang selanjutnya disebut distribusi frekuensi relatif kumulatif.00 50. sebagaimana dicontohkan pada Tabel 4 sebagai berikut. Dapat pula kita menggabungkan distribusi frekuensi relatif dan distribusi frekuensi kumulatif.

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

30. 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. 50. 70. 50. 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. untuk mencari median data harus diurutkan sebagai berikut: 30. 60. sehingga hanya cocok untuk data terdistribusi normal (tidak ada nilai ekstrim). 70. 50. yaitu 60 dan 60. Sebagai contoh ada 2 mahasiswa yang memiliki nilai nol. 60. 70. maka nilai tengah dari kelompok data tersebut adalah pada urutan antara ke-10 dan ke-11. 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. 60.Mean merupakan wakil dari keseluruhan nilai kelompok yang bersifat sangat dipengaruhi nilai ekstrim baik ekstrim kecil maupun ekstrim besar. 60. 60. Maka median adalah (60+60):2 = 60. Jadi untuk data berjumlah genap. Pada contoh kelompok data kompetensi psikomotorik KDPK di atas. 70. Pada contoh di atas. 80 Karena kelompok data tersebut berjumlah genap yaitu 20. 40. 60. posisi nilai tengah adalah posisi Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 25 . 60. 80. 50.

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

80 Meskipun saat pre-test terdapat nilai ekstrim yaitu nol. 60. 60. 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 . 60. 70. namun nilai median pre-test dan post-test sama yaitu 60. 80 Kompetensi psikomotorik KDPK mahasiswa Akademi Kebidanan “A” (Post-test): 30. 50. 60. 70. 30.Kompetensi psikomotorik KDPK mahasiswa Akademi Kebidanan “A” (Pre-test): 0. 30. 80. 60. maka modus adalah 60 karena nilai inilah yang paling sering muncul yaitu 7 kali (lihat Tabel 5). 3. 60. 60. 70. 60. 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. 50. 60. Bandingkan dengan mean yang berbeda antara pretest dan post-test yaitu 51 dan 58. 40. 60. 60. 50. 50. 60. 70. 70. 40. 70. 50. 50. Pada contoh kelompok data kompetensi psikomotorik KDPK di atas. 60. 50. 30. 70. 0. 70. Tabel 5. 50.

Data yang merata akan memiliki nilai mean. sehingga teknik ini kurang teliti. maka sebaiknya ketiga teknik tersebut digunakan secara bersama-sama. median. dan modus di atas maka jelaslah bahwa cara penggunaan dari ketiga teknik tersebut harus disesuaikan dengan kondisi.Berdasarkan penjelasan mean. Digunakan median jika terdapat data yang ekstrim di dalam kelompok. serta deviasi standar. varians. 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 . Range Range atau rentang adalah jarak dari nilai terkecil hingga nilai terbesar sehingga dapat dihitung dengan selisih dari nilai terbesar dan terkecil. median. Jika peneliti ragu-ragu untuk memilih teknik yang sesuai. Digunakan modus jika peneliti ingin cepat memberikan penjelasan mengenai kelompok. dengan hanya mempunyai data yang populer pada kelompok itu. dan modus yang hampir sama. akan menyebabkan nilai mean akan bergeser menjauh ke kanan atau ke kiri dari nilai median dan modus. Sedangkan mean digunakan jika data di dalam kelompok cenderung merata (tak ada nilai ekstrim). 1. PENYEBARAN ATAU VARIASI KELOMPOK Untuk mengetahui tingkat variasi yang ada di dalam kelompok dapat digunakan nilai range. Data dengan nilai ekstrim.

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

Tabel 6. maka dapat dihitung varians sebagai berikut. 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 .

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

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

berarti hasil analisis pada sampel tersebut dapat disimpulkan secara umum (generalisasi) bagi populasi.hipotesis diterima. 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 . atau skala interval dan rasio yang bebas distribusi (tidak harus berdistribusi normal). Uji-uji statistika yang diterapkan dalam statistika parametrik ditampilkan pada Tabel 7. dari populasi yang berdistribusi normal. Tabel 7. Ada 2 macam statistika inferensial yaitu:  Statistika parametrik yang dikhususkan bagi data berskala interval dan rasio.  Statistika non parametrik yang dikhususkan bagi data berskala nominal dan ordinal. STATISTIKA PARAMETRIK Telah dijelaskan pada bagian terdahulu bahwa statistika parametrik dikhususkan bagi data berskala interval dan rasio dari populasi yang berdistribusi normal.

Isi dari tabel di atas adalah uji-uji yang sering dipakai. 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. dengan demikian masih ada uji-uji statistika parametrik lain yang tidak tercantum. Penerapan dari uji-uji statistik di atas akan dijelaskan pada bagian tersendiri. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 34 . Penerapan dari uji-uji statistik di atas akan dijelaskan pada bagian tersendiri. 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 non parametrik lain yang belum dicantumkan. Tabel 8. Uji-uji statistika yang diterapkan dalam statistika non parametrik ditampilkan pada Tabel 8.

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

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

6. 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. nilai-nilai pemusatan yang diperoleh adalah mean= 67. Jika dilakukan penyajian secara bivariat (kaitan antar 2 variabel) dan multivariat (kaitan antar >2 variabel).. bisa merupakan tabel biasa..... distribusi frekuensi relatif. sedangkan modus= 68. Jika dilakukan penyajian secara univariat (satu demi satu variabel). median= 68... Tabel yang digunakanpun sangat variatif.. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 37 . biasanya digunakan tabel distribusi frekuensi... 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. maka biasanya digunakan tabel silang.. bisa pula berupa tabel frekuensi. PENYAJIAN DATA SECARA TABULAR Penyajian hasil analisis data secara tabular banyak digunakan dalam berbagai penelitian.. maupun distribusi frekuensi kumulatif. gambar berikut dapat dijadikan sebagai pedoman pemilahan..

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

antara lain: tabel distribusi frekuensi. frekuensi.33% 100% Dari Tabel 2 di atas. dan tabel distribusi frekuensi kumulatif.67% 25. Tabel 2 dan Tabel 3 menampilkan contoh-contoh penyajian data secara tabular menggunakan tabel distribusi frekuensi. kita dapat menarik kesimpulan berdasarkan proporsi mayoritas. misalnya: “Dari Tabel 1 terlihat bahwa sebagian besar Kader Posyandu bekerja sebagai petani. Distribusi Frekuensi Jenis Pekerjaan Kader Posyandu di Desa “A”.” Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 39 . variabel. Biasanya penyimpulan isi tabel diarahkan pada proporsi yang paling besar. tabel distribusi frekuensi relatif. dan persentase (jika nilai relatif dibutuhkan). Penyajian menggunakan tabel distribusi frekuensi seperti ini cocok digunakan untuk data berskala nominal dan ordinal.00% 8. 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. Tabel 2. Kolom-kolom yang diperlukan untuk penyajian ini antara lain nomor urut (kalau diperlukan). Kabupaten “C”. 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.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. Kecamatan “B”.00% 0. namun pada beberapa kasus.

00% 6. PENYAJIAN MENGGUNAKAN TABEL UNTUK ANALISIS BIVARIAT DAN MULTIVARIAT (MENGGUNAKAN TABEL SILANG) Sebagaimana telah disinggung di atas. Penggunaan tabel silang sesungguhnya mirip dengan penggunaan tabel distribusi frekuensi.00% 72. Oleh karena itu. jika misalnya kita menarik kesimpulan berdasarkan proporsi mayoritas. tabel silang juga diterapkan untuk penyajian data berskala nominal atau ordinal.00% 20. 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. namun pada tabel ini ditampilkan 2 variabel atau lebih secara bersama-sama.00%). Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 40 . Kecamatan “B”.” Kalau direnungkan secara mendalam. Distribusi Frekuensi Status Gizi Balita di Desa “A”.” Boleh juga disimpulkan: “Meskipun sebagian besar balita memiliki status gizi baik (72. pada contoh di atas lebih tepat jika penarikan kesimpulan adalah sebagai berikut: “Kejadian kekurangan gizi (gizi buruk dan gizi kurang) cukup besar yaitu 22. namun kejadian malnutrisi (gizi buruk dan gizi kurang) cukup besar yaitu 22. Kabupaten “C”. untuk penyajian hasil analisis data secara bivariat dan multivariat digunakan tabel silang.00% dari seluruh balita.00% Untuk contoh Tabel 3. Masalah kekurangan gizi dengan proporsi >15. karena kejadian kekurangan gizi (gizi buruk dan gizi kurang) yang dianggap menjadi masalah masyarakat tidaklah harus berada pada proporsi mayoritas. tampaknya penyimpulan seperti ini kurang tepat. Seperti halnya tabel distribusi frekuensi.Tabel 3. maka contoh kesimpulannya adalah: “Mayoritas balita sudah memiliki status gizi yang baik.00% 100.00% dari seluruh balita.00% sudah menjadi masalah yang serius bagi masyarakat.

00% 0.00% atau separuh dari seluruh ibu hamil yang ada di kelurahan tersebut. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 41 . sebaiknya digunakan persentase berdasarkan total baris. proporsi (persentase) dapat dihitung dari frekuensi total. untuk membandingkan distribusi kategori pada variabel terikat berdasarkan variabel bebas. maupun total kolom.Pada bahasan ini hanya akan diberikan contoh penggunaan tabel silang untuk 2 variabel. Pada tabel silang.00% 25. Tabel 4 Distribusi Insiden Infeksi TORCH pada Ibu Hamil Berdasarkan Tempat Tinggal di Wilayah Kecamatan “A”.00%. sedangkan variabel terikat diletakkan pada posisi kolom (judul di atas). 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). Kelurahan yang memiliki proporsi terbesar infeksi TORCH positif adalah pada Kelurahan “R” yaitu 50.00% 50. Namun. 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 % 33.67% 75.00% 75. Pada tabel silang untuk 2 variabel.00% f 16 12 4 16 48 Negatif % 66.00% 100. umumnya variabel bebas diletakkan pada posisi baris (judul di kiri). Mengapa dapat ditarik kesimpulan seperti di atas? Bukankah di Kelurahan “P” terdapat lebih banyak ibu hamil dengan infeksi TORCH positif yaitu 8 orang.33% 25. total baris.00% 50.00% 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.

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

1. Desa Bahagia : 6. Desa Tenteram : 3. Desa Aman : 2. Desa Damai : 4. 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 Sejahtera : 5.

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. 14. 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 . Gambar 2 menampilkan contoh penggunaan diagram lingkaran dari data yang tertera pada Tabel 6. 52% Meragukan. 26. Jumlah kategori ideal untuk diagram lingkaran adalah 4 – 6. digunakan untuk menyajikan kategori-kategori data dalam satu variabel. Tabel 6.DIAGRAM PIE Diagram pie yang disebut pula sebagai diagram lingkaran. Sebaiknya dihindari untuk variabel dengan jumlah kategori yang terlalu banyak.

Bentuk boleh vertical. Ketentuan bagi diagram batang adalah: 1. yang diambil dari data pada Tabel 6. Distribusi Frekuensi Perkembangan Anak Prasekolah di PAUD Kasih Sayang Magetan pada Tahun 2011 Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 45 . 2. Dimulai dari titik nol Berikut ini disajikan contoh diagram batang tentang Distribusi frekuensi perkembangan anak prasekolah (Gambar 3). Lebar batang harus sama 4. Tabel 6. 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. boleh pula horisontal.DIAGRAM BATANG Diagram batang dapat digunakan untuk satu atau beberapa variabel. Terdapat ruang di antara dua batang 3.

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

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 50. Dev.00 BB Gambar 4 Berat Badan Penduduk Dasawisma Gembira Desa Riang Tahun 2011 Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 48 . = 9.00 20.1395 Std.00 40.00 30.12 10 8 Frequency 6 4 2 Mean = 35.58317 N = 43 0 10.00 60.

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

5 3 2. Pada contoh Gambar 6. prediksi frekuensi peserta vasektomi pada bulan Januari tahun berikutnya (bulan ke13) adalah: Y= 0. Berikut ini disajikan kecenderungan tentang perkembangan jumlah peserta KB vasektomi dan tubektomi yang disajikan dengan diagram garis (Gambar 6). Persamaan tersebut digunakan untuk meramalkan frekuensi yang akan terjadi pada satuan waktu berikutnya. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 50 .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.3750%.3750 Jadi diprediksikan bahwa frekuensi relatif pada bulan januari untuk vasektomi adalah 0.0224 x 13) + 1.2879 Vasektomi Tubektomi Linear (Vasektomi) Linear (Tubektomi) y = 0.0224X + 1.0224x + 1.5 1 0.5 4 3.5 2 1.DIAGRAM GARIS Diagram garis digunakan untuk menunjukkan trend (kecenderungan) menurut perjalanan waktu.2879 = 0.0829x + 2.2879 = (0.5 0 y = 0. 5 4.

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 70.OGIF Ogif digunakan untuk menggambarkan distribusi frekuensi kumulatif. baik frekuensi kumulatif kurang dari yang disebut ogif positif.00 100. Tabel 8. Berikut ini disajikan contoh grafik ogif positif.00 50. maupun frekuensi kumulatif lebih dari atau ogif negatif. 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 86.00 96.00 24.

667x + 35.DIAGRAM BERSERAK Diagram berserak atau diagram pencar atau scatter diagram digunakan untuk menggambarkan korelasi antara 2 variabel. Variabel bebas terletak pada sumbu X sedangkan variabel terikat pada sumbu Y. Bahan Ajar Biostatistika Untuk Mahasiswa Diploma III Kebidanan 52 . Gambar 8 menunjukkan contoh dari korelasi positif. Sebaliknya korelasi negatif didadapatkan jika X meningkat justru Y menurun.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. Korelasi positif didapatkan jika variabel bebas (X) meningkat dikuti dengan peningkatan variabel terikat (Y).

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

Sign up to vote on this title
UsefulNot useful