HUBUNGAN BIOSTATISTIK DENGAN PENELITIAN Penelitian Pengamatan terhadap suatu
HUBUNGAN BIOSTATISTIK DENGAN PENELITIAN
Penelitian • Pengamatan terhadap suatu masalah/ fenomena • Pembuktian ilmiah yang bersifat empiris dan logis • Dilakukan dengan metode yang sesuai
Biostatistik • Metode statistika yang diterapkan pada bidang ilmu biologi, farmasi, kedokteran, dan kesehatan (irham, 2007) • Bertujuan untuk mengeneralisasi kesimpulan dari suatu masalah. • Digunakan pada penelitian kuantitatif
Jenis-jenis Statistik • Deskriptif menganalisis data yg tlh terkumpul dlm bentuk deskripsi tanpa membuat kesimpulan atau generalisasi. • Inferensial membuat kesimpulan/generaliasi yang berlaku utk populasi.
Statistik deskriptif Macam statistik Statistik Parametris Statistik Inferensial Statistik Non Parametris
METODE PENELITIAN : Prosedur atau langkah-langkah teratur dan sistematik dalam menghimpun pengetahuan untuk dijadikan ilmu. Teknik Penelitian : Cara dan alat (termasuk kemahiran membuat dan menggunakannya) yang diperlukan untuk mencapai tujuan penelitian. Teknik Penelitian : 1. Bagaimana cara melakukan penelitian 2. Alat-alat penelitian apa yang diperlukan untuk membangun ilmu melalui penelitian
Pelaksanaan Penelitian, terdiri atas 4 fase kegiatan : 1. Persiapan - menetapkan/merumuskan/mengidentifikasi masalah, - menyusun kerangka pikiran/pendekatan masalah - Merumuskan hipotesis - Menentukan rancangan uji hipotesis/teknik 2. Pengumpulan data/ informasi 3. Pengolahan data/ informasi 4. Penulisan Laporan Penelitian analisis - Teknik pengumpulan data - Masih berubungan dengan Pengujian hioptesis dan/teknik analisis - Masih berhubungan dengan pengujian hipotesis/teknik analisis. - Berhubungan dengan langah pembahasan dan penarikan kesimpulan
Langkah-Langkah Penelitian 1. Menetapkan/merumuskan/identifi kasi masalah Fase Kegiatan Persiapan 2. Menyusun kerangka pikir/pendekatan masalah 3. Merumuskan hipotesis 4. Menguji hipotesis/analisis - Rancangan - Data/informasi yang diperlukan - Analisis/Interpretasi Pengumpulan data/informasi 5. Pembahasan Penyusunan/ Penulisan Laporan 6. Penarikan kesimpulan
PROSES PENELITIAN Desain Penelitian Menyusun Instrumen Penarikan Sampel Uji Coba Pengumpulan Data Pengolahan Data Analisis Data Pembahasan Hasil Analisis Penulisan Laporan
Unsur-unsur pokok Desain penelitian Konseptualisasi Masalah LATAR BELAKANG - Latar Belakang Masalah - Gejala-2 Umum dan Khusus - Perumusan Masalah - Siginifikansi Penelitian TUJUAN - Tujuan - Hipotesis Metodologi KERANGKA HIPOTESIS Definisi Operasional, Indikator Empiris Pengukuran, Kerangka Hubungan PENARIKAN SAMPEL Satuan Analisis, populasi, sampel METODE PENGUMPULA DATA ANALISIS DATA : - Analisi Pendahuluan, - Analisis Lanjutan
1. SOFT WARE : MS-EXCEL, SPSS, MINITAB, SAS 2. Kalkulator (terpaksa) ANALISIS DATA I. Analisis Pendahuluan 1. Pengolahan data 1. Editing (Penyuntingan) 2. Coding (Pemberia kode) 3. 2. Analisis Deskriptif sheet (Tabel Induk) 1. Tabel distribusi 2. Diagram/Histogram 3. Ukuran tendensi pusat. II. Analisis Uji Hipotesis 4. Estimasi Parameter
Tahapan Analisis Data q. Rencana Pengumpulan q. Sortir q. Tabulasi q. Aanalisi Uji Hpotesis q. Interpretasi q. Penarikan Kesimpulan D A T A S T A T I S T I K A
ANALISIS DESKRIPTIF Variabel Nominal dan Ordinal Variabel Ratio dan Interval Tabel/Distribusi Frekuensi Diagram Ukuran Dispersi 13
Variabel Kondisi-kondisi yang oleh peneliti dimanipulasikan, dikontrol atau diobservasi dalam suatu penelitian Segala sesuatu yg akan menjadi obyek pengamatan penelitian
Variabel Amir , Ucu Tene, ina Aco, rahim Abdul, tuti - Dapat Membedakan antara yang satu unit pengamatan dengan lainnya - Mempunyai ciri yang dapat membedakan - Perbedaan obyek terletak pada ukuran Jenis kelamin Tinggi badan, berat badan, Rambut, mata, hobi, pendidikan, dll Diukur menggunakan alat Alat harus punya skala Diperlukan Skala pengukuran
Jumlah dan Macam Variabel Banyaknya variabel sangat tergantung dari tuntutan peneletian (sederhana atau sulitnya penelitian) Var. menurut fungsinya Var. Tergantung Var. Bebas Var. Intervening Var. Moderator Var. Kendali Var. Rambang Semakin sederhana penelitian, semakin sederhana atau sedikit varabel yg digunakan Var menurut jenis data Var. Dikrit Var. Kontinu
Variabel diskrit : diukur dengan bilangan diskrit (bilangam bulat) Diperoleh dengan cara menghitung , misalnya jumlah orang, jml anak dsb. Variabel kontinu : diukur dengan bilangan kontinu (bilangan real) Diperoleh dari cara mengukur (ada satuan), mis: tinggi badan 165 cm badan 65 kg, umur 45 th, dsb. Variabel dependen = var. respon (var. tdk bebas) : nilainya tergantung dari nilai variabel lain. Variabel independen =var. prediktor (var. bebas) : nilainya tdk tergantung dari nilai variabel lain. Contoh harga merupakan var. indenpenden dari jml penjualan.
Contoh Studi komparatif prestasi belajar Mahasiswa Ners smtr III yg mengajarnya menggunakan metode Student Centre Learning (SCL) dengan Metode Konvensional Prestasi belajar : var. tergantung (respon) Metode SCL & Konvesional : var. bebas (prediktor) Mhs Ners smtr III : var. Moderator
Sebab Hubungan Akibat Var. bebas Var. Moderator Var. Interpenning Var. Kendali Var. Rambang Var. Tergantung
Skala pengukuran Skala Nominal Membeakan setiap obyek dgn lainnya dgn status sama : mis. Jenis kelamin : L = 1, P=2, Agama : 1=Islam, 2=Kristen, 3=Protesan, 4=Hindu, 5=Budha, Nomor kamar di hotel, jenis pekerjaan, dsb Ciri : 1. bersifat membedakan (deskriminatif), 2 bersiat ekualitas, yaitu kategori dalam var. ad. Sama 3. Simetris, yi. Dapat dipertkarkan, (4) pengkategoriannya bersifat tuntas. Skala Ordinal Membedakan setiap obyek dgn lainnya dgn status tdk sama : mis. Var. kelas ekonomi : 1. ekonomi lemah, 2. ekonomi menengah, 3. ekonomi menengah. Sehingga 1<2<3 atau 3>2>1, Selisih antara 2 dgn 1 dan 3 dgn 2 tidak selalu sama, shg tdk boleh dikurangkan.
Skala Interval Skala Ratio antara 3 -2 sama 2 -1 intervalnya sama, shg pada skala ini dpt dilakukan penambahan dan pengurangan Ciri : titik nolnya bersifat arbitrer, yi. Diukur dari angka nol yg berbeda. Mis. Umur ayah 43 th, umur anak 20 th, selisihnya 23 th. Namu titik nol yg berbeda, krn dihitung dr tgl lahir yg berbeda (tdk multipler). Sama dgn skala interval, namun titik nolnya bersifat mutlak, mis. Berat dgn kg mempunyai ttk nol yg sama, dimana saja dan kapan saja
Ciri-ciri skala penguran Skala pengukuran Ciri Operasi matematik contoh Nominal Klasifikasi Pembedaan Setara Tuntas Simetri A=B B=A Jenis Kelamin Agama, Stb Nomor kamar Ordinal Klasifikasi, pembedaan, berjenjang, interval tdk sama, tuntas Asimetri A>B>C, C<B<A C-B tdk sama B-A Status sosial Ekonomi Interval Pembedaan Interval sama Titik nol : arbitrer N= c. N=k Skor 45, 75, 80 Ratio Sama skala interval tp N = c. N ttk nol mutlak Berat 10 kg, tinggi 165 cm
Tabel/Distribusi Frekuensi Jumlah IP Jumlah SD 23 0, 50 - 0, 99 1 SMP 45 SMA 15 1, 00 - 1, 49 2 Sarjan 4 2, 00 - 2, 49 7 Pascasarjana 2 2, 50 - 2, 99 12 JUMLAH 87 3, 00 - 3, 49 7 3, 50 – 4, 00 5 Jumlah 354 Pendidikan
Diagram batang Histogram 50 45 40 35 12 30 25 7 20 7 15 10 2 1 5 0, 495 0 SD SMP SMA Sarjana Pascasarjana 0, 995 1, 495 2, 995 5 3, 495 4, 005
Hubungan antara analisis dan variabel Analisis Distribusi frekuensi Diagram Nominal kategorik Bar chart Variabel Ordinal kategorik Bar chart, diagram Interval/rato numerik poligon Ukuran Modus, median Mean (rata-2 tendensi pusat hitung) Dispersi Indeks var. kum IVK Sd (IVK) Estimasi Proporsi Mean
II. Analisis Uji Hipotesis Tujuan : Untuk mengetahui apakah hipotesis diterima atau ditolak berdasarka data yg telah dikumpulkan Tidak menguji kebenaran hip. Ttp menguji apakah hip. Diterima atau ditolak.
HIPOTESIS q. Jawaban sementara yang harus diuji kebenarannya q. Dirumuskan berdasarkan Fakta, Hasil Penelitian dan Teori q. Acuan dalam melaksanakan penelitian q. Ada 2 Hipotesis: Ho dan H 1 q. Diperlukan taraf signifikansi = Tarafa nyata = Taraf kepercayaan =α 8 -HIPOTESIS 27
MACAM KEKELIRUAN DALAM PENGUJIAN HIPOTESIS KESIMPU LAN HIPOTESIS BENAR HIPOTESIS SALAH TERIMA Tdk ada kekeliruan HIPOTESIS KEKELIRUAN MACAM II (β) (kuasa uji = 1 – β) TOLAK KEKELIRUAN MACAM Tdk ada HIPOTESIS I kekeliruan (taraf signifikansi α) TARAF KEPERCAYAAN = SIGNIFICANCE LEVEL a = 0. 05 ATAU a = 0. 01
Alat analisis (uji statistik) Tergantung pada : 1. Jumlah variabel dalam pernyataan hip. 2. Model hub. Antara variabel 3. Skala pengkuran variabel Statistik Z T Studen Uji F/Anova Chi square ( c ) Analisis regresi korelasi, Analisis Non parametrik dll
1. Jumlah variabel a. Univariate : hanya satu variabel dalam hip. Contoh : Prestasi belajar mahasiswa rendah b. Bivariate : Terdapat dua variabel dalam hip. Contoh : Ada hub. Positf antara prestasi belajar dengan motivasi belajar mahasiswa c. Multivariate : Terdapat tiga atau > variabel dalam hip. Contoh : Prestasi belajar mahasiswa dipengaruhi oleh motivasi belajar , kondisi ekonomi dan lingkunga belajar mahasiswa
2 Model Hubungan, terdapat 5 macam hub. a. Klasifikasi b. Tipologi b. Assosiatif d. Fungsional 3. Skala pengukuran. a. b. c. d. Nominal Ordinal Interval Ratio
Analisis Uji Hpotesis untuk Dua Variabel y Pengukuran Univariate statistik Varabel X Dikotomi (k=2) Bivariate (k>3) Nominal Ordinal Interval/Ratio (1) (2) (3) (4) (5) (6) Nominal p Beda p; c 2 C 2, VC Kruskall-Wallis Anova Ordinal p Beda p; beda Md; Mann Whitney U-test; run tes Kruskall. Wallis Spearman; Rs; Kendall Interval/rato µ Beda µ Anova Kendall Korelasi, regresi
Langkah-langkah pengujian hipotesis a. Perumusan hipotesis H 0 : θ = θo H 1 : θ ≠ θo H 0 : θ 1 = θ 2 H 1 : θ 1 ≠ θ 2 H 0 : θ = θo H 1 : θ > θo H 0 : θ 1 = θ 2 H 1 : θ 1 > θ 2 H 0 : θ = θo H 1 : θ < θo H 0 : θ 1 = θ 2 H 1 : θ 1 < θ 2 θ : ditaksir oleh u; pi, sigma
c. Penetapan Statistik Uji d. Perhitungan Z hitung t hitung F hitung c hitung dibandingkan Z tabel t tabel F tabel c tabel Hitung > Tabel Ho ditolak H 1 diterima e. Kesimpulan
Beberapa hal yang masih lemah dalam analasis data ( proposal ) 1. Tidak masuk dalam kategori penelitian ( Desain) 2. Penentuan variabel : terkait dengan skala pengukuran 3. Hubungan antara variabel 4. Data deskriptif yang seharusnya induktif atau sebaliknya. 5. Data kualitif yang perlu di kuantiatifkan agar dapat diuji secara statistika (penelitian teknik) 6. Penggunaan analisis Anova yang tidak efesien, sehingga menimbulkan konsekwensi pembiayaan yang tinggi (high cost). 7. Kesalahan dalam memilih alat uji 8. Teknik penarikan sampel
- Slides: 36