Slide Statistik Kes - D4 Sanits- 3 Agst 2013

8/22/2019 Slide Statistik Kes - D4 Sanits- 3 Agst 2013

1/39

ANALISIS DATAANALISIS DATASTATISTIK DESKRIPTIF (1)STATISTIK DESKRIPTIF (1)

Abdul Hadi Kadarusno, SKM, MPH

http://pbm-alhiko.blogspot.comhttp://alhiko.blogspot.com


2/39

O u t l i n eO u t l i n e Pengantar: Kegiatan Statistik.

Analisis Data Statistik Deskriptif.

Statistik Deskri tif: Ukuran nilai

tengah & Ukuran keragaman(Ungroup Data).

Tugas 3


3/39

KEGIATAN STATISTIKKEGIATAN STATISTIK

PENGOLAHAN

DATA

PENYAJIAN DATA

PENGUMPULAN

DATA

KESIMPULAN

ANALISIS

DATA


4/39

Kegiatan mengubah data hasilpenelitian menjadi informasi yangda at di unakan untuk men ambil

ANALISA DATAANALISA DATA

kesimpulan penelitian.

Cara pengambilan kesimpulan dapatdengan estimasi atau test hipotesis


5/39

BIDANG KAJIAN STATISTIKBIDANG KAJIAN STATISTIK

1. Statistik Deskriptifkumpulkan, olah, sajikan, analisis(metode yang membantu proses pengambilanke utusan ba i kelom ok an diteliti sa a

2. Statistika Inferenskumpulkan, olah, sajikan, analisis, intepretasi

(metode yg membantu proses pengambilankeputusan pada kelompok yang lebih besardari yang diteliti {generalisasi})


6/39

TEKNIK ANALISA DATATEKNIK ANALISA DATAANALISA STATISTIK

DESKRIPTIFINFERENSIAL

PARAMETRIK NON PARAMETRIKKUANTITATIF

UJI BEDA

UJI HUBUNGAN

UJI BEDA

UJI HUBUNGAN


7/39

Statistik yang mempelajari metode meringkas dan

menggambarkan sisi yang penting dari suatu data

Ukuran Nilai Tengah :

ANALISA DESKRIPTIFANALISA DESKRIPTIF

, ,

Ukuran Keragaman :

range, variance, sd, koefisien keragaman

Rate, Ratio dan Proporsi Analisis persentase :

analisis persentase baris dan kolom


8/39

HASIL PENGERJAANHASIL PENGERJAANHASIL PENGERJAANHASIL PENGERJAANHASIL PENGERJAANHASIL PENGERJAANHASIL PENGERJAANHASIL PENGERJAANSTATISTIK DESKRIPTIFSTATISTIK DESKRIPTIFSTATISTIK DESKRIPTIFSTATISTIK DESKRIPTIFSTATISTIK DESKRIPTIFSTATISTIK DESKRIPTIFSTATISTIK DESKRIPTIFSTATISTIK DESKRIPTIF

Mengambarkan situasi tertentu

Menggambarkan perkembangan keadaan


9/39

PerhitunganPerhitungan

Ungroup data Group data


10/39

UKURAN NILAI TENGAHUKURAN NILAI TENGAH(Ungroup Data) MEAN:

cara: menjumlahkan semua nilai pengamatankemudian dibagi dengan jumlah pengamatan

,

MEDIAN:

nilai yang di tengah pada data yang diperoleh

setelah data di array(diurutkan) MODUS:

nilai yang paling sering muncul / nilai dengan

frekuensi tertinggi (nominal, ordinal)


11/39

Mean arithmaticMean arithmaticRumus:

Oi = -------------

Dimana:

= nilai mean

Oi = nilai pengamatan

n = banyaknya pengamatan

= sigma


12/39

Mean arithmaticMean arithmaticLama perawatan (hari) di Rumah Sakit yang

dilaporkan dari 5 penderita yaitu 3,5,2,3,2Tentukan rerata lama perawatan ke-5 penderita

tsb di rumah sakit.

Jawab: Oi

Mean = = --------------

n3+5+2+3+2

= --------------- = 3,0

5


13/39

MedianMedian Nilai pengamatan yang terletak ditengah apabila

nilai pengamatan yang disusun dalam array. Suatu nilai yg membtsi 50 % frek distrbs bagian

bawah dgn 50 % frek distrbs bagian atas.

Pada jumlah pengamatan yang ganjil, nilaimedian terletak ditengah dan membagi duabagian yang sama besar pada array.

Sedang pada jumlah pengamatan yang genapnilai pengamatan yang terdapat ditengah tengah array


14/39

MedianMedianContoh : Lama perawatan (hari) di RS yang dilaporkan

dari 5 penderita yaitu 3,5,2,3,2. Tentukan median

lama perawatan

Jawab:. , , , ,

2. Letak median ditentukan.Letak Md = n + 1

2

= 5 + 12

= 3, pd observasi ke-3 yaitu 3 hari.


15/39

MedianMedianBila 6 penderita, mempunyai lama perawatan

sbb ; 6, 3, 2, 6, 1, 8

Jawab :

1. Susunlah nilai pengamatan dalam bentuk

1, 2, 3, 6, 6, 8

2. Letak Median = n + 1

2= 6 + 1

2

= 3,5


16/39

Nilai Median terletak pada pengamatan

yang ke-3 dan ke-4.Nilai Median = 3 + 6

MedianMedian

= 4,5

Jadi Median lama perawatan adalah 4, 5

hari.


17/39

MedianMedianMerupakan salah satu tekhnik penjelasan kelompok ygdidasarkan atas nilai tengah dari kelompok data yg telah disusun

urutannya dari terkecil sampai terbesar atau sebaliknya.Misal kelompok umur sbb;

19, 20, 20, 35, 45, 45, 45, 45, 45, 51, 56, 57,60. n ganjil

180, 171, 170, 167, 166, 165, 164, 160, 147, 145, (TB: cm )

Bila n genap : maka nilai dibagi dua, sehingga :

166 + 165 = 165,52

artinya tinggi badan rata-rata kelompok itu = 165,5


18/39

Mode / ModusMode / Modus Nilai ini jarang digunakan.

Nilai pengamatan yg mempunyai frekwensiterbanyak.

(unimodal), 2 mode (bimodal). Mode dapatdigunakan dalam mendiskripsikan datakualitatif, misalnya diagnose penyakit.

Contoh Data kualitatif:

1. Kebanyakan pemuda Indonesia merokok

2. Kebanyakan tentara berambut pendek


19/39

ModusModus Data kuantitatif: Tentukan nilai mode

lama perawatan (hr) : 3,5,2,3,2 Jawab : Dari pengamatan diperoleh

frekwensi yang terbanyak yaitu 2penderita.

Jadi nilai mode adalah 2 hari.


20/39

Contoh Data Kuantitatif:

Hasil pencatatan umur pegawai dikantor X adalah sbb dalam tahun .

ModusModus

20, 45, 60, 56, 45, 45, 20, 19, 57, 45,45, 51, 35.


21/39

Tabel data sbb:UMUR PEGAWAI JUMLAH

1920

35

12

1

51

56

57

60

1

1

1

1JUMLAH 13


22/39

Range

Mean Deviation / Rata2 Simpangan

UKURAN KERAGAMAN/UKURAN KERAGAMAN/

NILAI PENYEBARANNILAI PENYEBARAN// DDIISPERSISPERSI((PenyimpanganPenyimpangan))

Standart Deviation/ Simpangan Baku Variance / Varians

Koefisien keragaman


23/39

RangeRange Nilai yang menyatakan perbedaan antara

nilai terbesar dengan terkecil Range :

a as a as nya a ar e as n erva yangpaling tinggi dikurangi batas bawah nyatadari kelas interval yang paling rendah


24/39

RANGE ( RENTANG )RANGE ( RENTANG ) Ukuran dispersi (penyimpangan) yg paling

sederhana,

hanya melibatkan 2 nilai dlm distribusi, yaitu nilaiterbesar dan terkecil.

sehingga dgn range saja belum bisa mengetahuivariasi yg sebenarnya.

Contoh : Distribusi berat badan dengan range yg sama tetapi

mean berbeda

Range berbeda tapi mean sama


25/39

Distribusi BB Mahasiswa Distribusi Nilai Ujian

No Kelompok I Kelompok II1

2

3

4

5

6

40

43

49

60

60

64

40

41

40

40

43

45

No Kelpk I Kelpk II1

2

34

5

40

45

5055

60

10

25

5570

90

78

9

10

6565

66

70

5052

55

70

Jml 582 474

Jml 250 250

BB Mhs:range : 30 range : 30

rata-rata : 58,2 rata-rata : 47,4

Nilai ujian:rata-rata: 50 rata-rata:50range : 20 range : 80


26/39

DEVIASIDEVIASI/SIMPANGAN/SIMPANGAN RATARATA--RATARATA

( Mean( Mean DDeviasieviasi ))Pada prinsipnya simpangan rata-rata merupakan

modifikasi dari ukuran rata-rata, yaitu apabila

rata-rata ( mean) adalah jumlah pengamatansetiap individu dibagi dgn banyak nyaen amatan, sedan kan Sim an an Rata-rata

adalah : jumlah selisih antara hasil setiap pengamatan

dengan rata-rata dibagi dengan banyaknya

pengamatan Manfaat : mengetahui variasi yang terjadi di dalam

suatu kelp pengamatan /membandingkan tingkat

variabilitasnya dalam dua kelp atau lebih.


27/39

Rumus Mean Deviation ( MD ) adalah:

MD = X Xn

Contoh:

Berat badan 2 kelompok penderita yang masing-masingterdiri dari 5 orang

Kelom ok I Kelom ok II

BB Kg Mean selisih BB Kg Mean selisih40

45

5055

60

50 10

5

05

10

25

35

5560

75

50 25

15

510

25

250 30 250 80


28/39

Kelompok I Kelompok II

X = 50 X = 50

X X = 30 X - X = 80

MD = 30/5 = 6 MD = 80/5 = 16

Kesimpulan dari hasil perhitungan diatas:

Variabilitas kelompok II adalah 3 X lebih besar daripada kelompok I


29/39

STANDAR DEVIASISTANDAR DEVIASI

( Deviation( Deviation StandartStandart ))

Simpangan baku = ukuran dispersi yg sangat penting &

sangat banyak digunakan dlm statistik. Penyimpangan /selisih nilai hasil pengamatan dgn rata-

rata dapat menghasilkan nilai yg negatif, utk menghindaria n tanpa memper at an n a a a arnya ma a

hasilnya dipangkatkan 2 sehingga hasilnya menjadi positif.

jumlah seluruh selisih hasil pengamatan dengan rata-rata yang telah dipangkatkan dua dibagi dengan jumlah

pengamatan disebutVARIANS, bila varians ini ditarik akarmaka akan menghasilkanSTANDAR DEVIATION.Dengan kata lain: Standar Deviasi adalah akar darivarians


30/39

Rumus Varians = a2 : ( X - )2/ n

Deviasi standar = a : ( X - )2/ n

a : deviasi standar x : hasil pengamatan : rata-rata n : banyaknya pengamatan

Cara menghitung:

1. Data mentah disusun secara berurutan

2. Jumlahkan hasil pengamatan

3. Bagilah sigma X dengan banyaknya pengamatan(x/N: )

4. Kurangkan hasil pengamatan dengan rata-rata

5. Pangkatkan hasil no 46. Jumlahkan hasil no 5

7. Bagilah hasil no 5 dengan banyaknya pengamatan

8. Hasil no 7 ditarik akarnya


31/39

ContohContoh :: Hasil pemeriksaan gula darah dari 10 orang:

No Guladarah

X

(rata-rata)

X - X (X - X)2

1

2

3

70

72

76

78,4 -8,4

-6,4

-2,4

-

70,56

40,97

5,76

5

6

7

8

9

10

78

79

80

85

86

81

,

-0,4

0,6

1,6

6,6

7,6

2,6

,

0,16

0,36

2,56

43,56

57,76

6,76

Jml 784 230,40


32/39

Varians = 230,40 = 23,04

10SD = 23,04 = 4,8 mg

KOEFISIEN VARIASIKOEFISIEN VARIASI ((coefisiencoefisien of variation)of variation)Standar deviasi tidaklah bisa untuk dua variasi dengan

,

bisa untuk membedakan atau menghitung dispersi absolut.

Cara yang lebih tepat untuk menghitung dua variasi dengan

satuan yang berbeda adalah dengan teknik koefisien

Variasi, yaitu dengan mengadakan perbandingan secara

relatif

Rumus : KV = ( SD/ X ) x 100%


33/39

Rumus : KV = ( SD/ X ) x 100%

Contoh 1:

Seorang analis A dalam sehari rata-rata mampu memeriksa 40sampel darah dengan deviasi standar/ tingkat kesalahan 5

Analis B mampu memeriksa 160 sampel dengan deviasiStandar/ tingkat kesalahan 15.

Se intas da at dilihat analis B mem un ai variasi kesalahan

lebih besar dibanding dengan analis A. tetapi analis Bmampu memeriksa sampel darah 4 kali lebih besar daripada analis A sehingga perbandingannya dapat dilihat sbb :

Analis A : KV ( 5/40 ) x 100% = 12,5%

Analis B : KV ( 15/160 ) x 100% = 9,4 %

Kesimpulan : analis B mempunyai deviasi variasi lebih kecil

dibanding analis A


34/39

Contoh 2 ( Data Kelompok )Berat Badan

No Kelompok 1 Kelompok 2

1

2

3

4

10

12

14

16

30

40

45

50

56

7

8

910

1820

27

30

3525

5560

65

70

7580

Jml 207 570


35/39

Ket: KV = ( SD/ X ) x 100%

Kelompok I : Kelompok II :n = 10 n = 10x = 20,7 x = 57

, ,

KV =( 7,52 / 20,7 ) x 100% KV = ( 15,5 / 57) x 100%= 36,33 % = 27,2%

Kesimpulan :BB Kelp I mempunyai Variasi lebih besar dibanding Kelp II


36/39

ContohContoh 3:3:Hasil pemeriksaan suhu dan nadi dari sekelompok Px febris

Suhu = x = 38,5c Nadi x = 120 / menitSD = 1,5 SD = 6

KV= 1 5/38 5 x 100=3 9% KV = 6/120 x 100 = 5%

Kesimpulan :

Nadi mempunyai variasi kira-kira 1,3 kali lebih besar

dibanding suhu.


37/39

DariDari keduakedua contohcontoh diatasdiatas dapatdapat

disimpulkandisimpulkan ::

1. KV dapat dipergunakan untuk

membandingkan satu variabel (BB) dari 2kelompok yang sama.

.

kelompok dengan satuan yang berbeda3. KV juga dapat untuk mengetahui

homogenitas dari suatu kelompok, yaituapabila koefisien variasi


38/39

Tugas/LatihanTugas/Latihan

Berat Badan (kg) dari 30 orang mhs:1. ....... 11. ....... 21. .......

2. ....... 12. ....... 22. .......

3. ....... 13. ....... 23. .......

4. ....... 14. ....... 24. .......

Hitunglah Mean - Median Modusnya

Hitunglah Standar Deviasinya.

5. ....... 15. ....... 25. .......

6. ....... 16. ....... 26. .......

7. ....... 17. ....... 27. .......

8. ....... 18. ....... 28. .......

9. ....... 19. ....... 29. .......

10. ....... 20. ....... 30. .......


39/39

SEKIAN DAN TERIMA KASIHSEKIAN DAN TERIMA KASIHSELAMAT BELAJARSELAMAT BELAJAR

Documents

Slide Statistik Kes - D4 Sanits- 3 Agst 2013