METODE PENGUMPULAN PENGOLAHAN ANALISA DATA Statistik adalah Sekumpulan

METODE PENGUMPULAN, PENGOLAHAN & ANALISA DATA

Statistik adalah ? Sekumpulan konsep dan metode yang digunakan untuk mengumpulkan dan menginterpretasi data tentang bidang kegiatan tertentu dan mengambil kesimpulan dalam situasi dimana ada ketidakpastian dan variasi

Statistika Kesehatan = >Data /informasi yang berkaitan dengan masalah kesehatan Contoh : AKI, Sarana kesehatan, cakupan imunisasi, dll = >Pengolahan data penelitian

Posisi Statistik dalam kegiatan penelitian TEORI GENERALISASI HIPOTESA STATISTIK OBSERVASI

Fungsi Statistika Kesehatan q Perencanaan program pelayanan kesehatan q Penyelesaian masalah kesehatan q Analisis berbagai penyakit selama periode waktu tertentu (time series analysis) q Menentukan penyebab timbulnya penyakit baru yang belum diketahui q Menguji manfaat obat bagi penyembuhan penyakit (setelah hasil uji klinik dinyatakan berhasil) q Secara administratif dapat untuk memberi penerangan tentang kesehatan kepada masyarakat

TUJUAN STATISTIK 1. Memberikan gambaran/ ukuran mengenai status/ derajat kesehatan. Contoh: Angka Kematian Bayi 2. Untuk evaluasi program kesehatan, Contoh: Status Kesehatan *10 th yll AKI = 125/100000*Sekarang AKI = 75/100000 3. Untuk merencanakan program kesehatan Contoh: Didapat data pola penyakit di suatu daerah Dasar pengalokasian sumber daya kesehatan 4. Analisa data: Uji T test, Anova dll (Kemaknaan)

Pengelompokan Statistika 1. Statistika Deskriptif: statistika yang menggunakan data pada suatu kelompok untuk menjelaskan atau menarik kesimpulan mengenai kelompok itu saja Cth : Untuk menggambarkan karakteristik penduduk diperlukan data seperti: umur, jenis kelamin, status perkawinan, dsb

Statistika Inferensal statistika yang menggunakan data dari suatu sampel untuk menarik kesimpulan mengenai populasi dari mana sampel tersebut diambil Cth : Untuk menganalisa hubungan pertambahan berat badan Ibu hamil dengan berat lahirdi daerah Sidoarjo diambil sampel di RSUD Sidoarjo

Pengelompokan Stat Analitik (inferensial) Statistika Parametrik: Menggunakan asumsi mengenai populasi Membutuhkan pengukuran kuantitatif dengan level data interval atau rasio Statistika Nonparametrik (distribution-free statistics for use with nominal / ordinal data): Menggunakan lebih sedikit asumsi mengenai populasi (atau bahkan tidak ada sama sekali) Membutuhkan data dengan level serendahnya ordinal (ada beberapa metode untuk nominal)

Variabel Penelitian setiap hal dalam suatu penelitian yang datanya ingin diperoleh. Dinamakan variabel karena nilai dari data tersebut beragam Contoh : - jenis kelamin, - tekanan darah (sist/diast) - kadar Hb - dll

VARIABEL/PEUBAH Diskret : hasil perhitungan - jumlah anak dalam keluarga - jumlah puskesmas, dll Kontinu : hasil pengukuran - umur - berat badan

Jenis Variabel 1. Variabel tergantung (dependent variable) 2. Variabel bebas (independent variable) 3. Variabel penengah (moderating variable) 4. Variabel sela/antara (intervening variable)

- STATISTIK : Ukuran karakteristik sampel ( x, s r ) - PARAMETER : Ukuran karakteristik populasi

DATA/ DATUM Keterangan yang dapt memberikan gambaran tentang suatu keadaan populasi. Hasil pengamatan suatu populasi : - Status - Informasi - Keterangan

Syarat Data : Obyektif Representatif Up to date (kecuali utk penelitian historis / retrospektif)

Menurut Sumber, data dikelompokkan : 1. Data primer : Data/ yang dikumpulkan sendiri oleh peneliti ( data langsung dari responden ) 2. Data Sekunder : a. Internal : data yang berasal dari lingkungan sendiri ( medical record ) b. Eksternal : Data yang diperoleh antar lintas sektor ( biro pusat statistik )

Karakteristik data - Akurasi : data yang dikumpulkan setidak-tidaknya harus mendekati sebenarnya. (dinilai sebagai veliditas) - Presisi : pengukuran meskipun dilakukan berulang -ulang oleh siapapun hasilnya tetap sama. (dinilai sebagai reliabilitas) - Validitas eksternal : Karakteristik data sampel harus sama dengan karakteristik data populasi. Seberapa jauh bisa digeneralisasi termasuk ke populasi lain - Validitas Internal :

- Validitias Internal : Meliputi kemampuan dan keahlian dari orang yang melakukan tugas, sensitivitas alat diagnostik atau laboratorium. contoh : pemeriksaan Hb dg Haemometer sahli oleh perawat, Validitas internalnya beda dengan pemeriksaan Hb dg Spektrometer oleh analis.

Metode Pengumpulan Data : Komunikasi (kuesioner dan wawancara) Bersifat self report ( introspeksi terhadap diri sendiri) Kuesioner : - kuesioner pilihan - Kuesioner isian Wawancara : - wawancara bebas - wawancara terpimpin b. Observasi (pengamatan) a.

Pengamatan Dengan pengamatan data dapat dicatat dengan segera dlm hal ini tidak tergantung dari ingatan seseorang / data lampau.

Syarat-syarat pengamatan : Mengetahui apa yang diamati Perilaku dibuat dalam kategori-kategori Unit yang digunakan dalam mengukur kategori harus jelas Harus punya derajat terapan atau generalisasi Besar sampel harus ditentukan Pengamatan harus reliabel dan valid

CARA PEMILIHAN UJI STATISTIK : 1. Tujuan 2. Jenis skala data 3. Asumsi dasar 4. Jumlah sampel 5. Jumlah variabel Statistik DESKRIPTIF ANALITIK

TAHAPAN ANALISA DATA TAHAP LINGKUP CONTOH TUJUAN Pertama Deskriptif (distribusi variabel) Mean, median, modus, simpangan baku, Int kepercayaan, distribusi frekuensi, (grafik/diagram) Editing akhir karakteristik, Dasar pemilihan analisis statistik. (membersihkan Data) Kedua Analitik / Inferensial (asosiasi antar variabel) Tabel silang, komparasi, korel asi, regresi Estimasi Uji Hipotesis, Kuat asosiasi

DESKRIPTIF Sajian data dapat dilaporkan dalam bentuk : 1. Tulisan 2. Tabel : tabel frekuensi 3. Gambar/grafik : Histogram, diagram garis, diagram batang, diagram lingkar, diagram tebar, pictogram, box whisker plot, dot plot

PENGOLAHAN DATA DESKRIPTIF Distribusi Frekuensi Data Kuantitatif - Terlebih dulu cari harga max dan min. Selisihnya disebut Range = R - Tentukan jumlah kelas dan interval kelas Rumus Sturgess : M =1 + 3. 3 log. N M= jumlah kelas, N=jumlah data (observasi) Interval = R : M Distribusi Frekuensi Data Kualitatif - Buat frekuensi dan prosentasenya

Contoh : Tinggi Badan anak kelas VI SD Jumlah kelas : K = 1 + 3, 322 log 48 K = 6, 58 K = 7 Lebar kelas interval i = ( 74, 2 - 72, 3 ) / 7 i = 0, 3 72. 3 73. 4 73. 5 73. 0 73. 7 73. 9 72. 4 73. 0 73. 4 74. 5 73. 7 72. 9 72. 5 73. 1 73. 6 73. 4 73. 7 73. 9 72. 6 73. 1 73. 4 73. 6 73. 7 73. 9 72. 7 72. 8 72. 9 73. 2 73. 3 73. 4 73. 5 73. 6 73. 7 73. 8 74. 0 74. 1 74. 2

1. NILAI RATA-RATA NILAI TENGAH (Central Tendency) A. UNGROUp. ED DATA (TDK TERKELOMPOK) HITUNG (MEAN) contoh : Peserta 1 2 3 4 5 6 7 8 9 BB (KG) 59 60 60 60 61 62 66 75 76 2. MEDIAN (Md) Nilai yang membagi distr 2 sama besar - n ganjil : median pada urutan ke (n+1) / 2 contoh diatas : (9+1) / 2 = 5 Md = 61 - n genap : median pada urutan diantara ke n / 2 dan (n/2) + 1 mis = 59 60 60 61 62 66 75 76 Md = (60+61) / 2 = 60, 5 kg 3. MODUS (Mo) Nilai yang sering muncul Mis contoh diatas Mo= 60

B. GROUPed DATA (TERKELOMPOK) 1. Nilai rata-rata hitung (MEAN) rata-rata dari distribusi frekuensi asumsi : setiap pengamatan dalam kelas mempunyai nilai yang sama dengan nilai titik tengah klas. BB (Kg) f ttk tengah klas (m) fm 35 -<45 6 40 240 45 -<55 12 50 600 55 -<65 14 60 840 65 -<75 1 70 70 75 -<85 2 80 160 n 35 ∑ fm 1910

MEDIAN ( grouped data) Ket : Md Lmd n cf f. Md i = median = batas bawah klas median = besar sampel = frek kump sampai klas median = frek klas median = besar interval

Modus grouped data Asumsi: modus pada kelas yang mempunyai trek terbanyak ( langsung dibawah puncak poligon frek ) Keterangan : Mo = modus Lmo = batas bawah kelas modus d 1 = beda antara frekuensi klas modus dgn frek kelas sblum kelas modus d 2 = beda antara frekunsi kelas modus dgn frek kelas sesudah kelas modus i = besar interval

Nilai Variasi Varian : parameter ukuran penyebaran data, variabilitas nilai terhadap mean V (S²) = ∑(x-µ)² n-1 Standar Deviasi : simpangan baku, akar varian S = √v = √S² Koefisien Varian : rasio SD terhadap mean dalam persen. S µ x 100%

Histogram Untuk Data Kontinyu

Diagram Garis (Line Diagram) Untuk data diskrit

Diagram Batang (Bar) Data diskrit atau skala nominal atau skala ordinal

Diagram Lingkar (Pie Diagram) Data diskrit atau kategori. Menggambarkan %

ANALITIK Ex: Ho = tekanan darah penduduk desa sama dengan penduduk kota H 1 = tekanan darah penduduk desa sama berbeda penduduk kota P – Value : - Probabilitas untuk memperoleh hasil apabila Ho adalah benar. - semakin kecil P-value, semakin besar penolakan terhadap Ho - Umumnya signifikan apabila P-value <0. 05 Uji Hipotesis : menilai P-value - penting krn Uji hipotesis yg sesuai akan membawa kita pada pengambilan kesimpulan yg sahih

Tujuan Penelitian: Komparasi (perbandingan) Apakah ada perbedaan. . . Korelasi (hubungan) Apakah ada hubungan. . . Ctt: magnitude (berapa besar-> deskriptif. causal (apakah penyebab-> analitik)

Data dpt dikelompokkan menurut sifatnya : Data kualitatif : karakteristiknya bersifat kualitatif ( Skala nominal ) Data semikuantitif : punya peringkat ( skala ordinal ) Data kuantitatif : data yang mempunyai nilai yang dapat ditentukan besarnya ( interval & ratio ) - diskret - kontinyu

SKALA PENGUKURAN SKALA Sifat Ratio Interval Ordinal Nominal Kelipatan + - - - Selisih + + - - Jenjang + + + - Bedakan + + Contoh Titer atb Sh udr pdidikn agama

Asumsi Dasar Asumsi dasar disini hanya diperuntukan untuk skala data kuantitatif ( ratio dan interval ) Apabila data berupa kuantitatif distribusi Normal maka uji memakai Uji Parametrik, Sedangkan data Kuantitatif dengan distribusi tidak normal maka uji akan turun, yaitu menggunakan uji Non Parametrik.

Jumlah sampel / jumlah perlakuankontrol / jumlah kelompok akan menentukan uji yang akan dipakai Ctt: jumlah sampel = jumlah kelompok Besar sampel = jumlah individu / responden

Jumlah Variabel Jumlah varibel akan sangat berkaitan erat dengan jenis uji yang akan dipakai. Misalkan ada satu variabel tergantung / akibat yang dipengaruhi oleh 5 variabel bebas / penyebab secara bersamaan maka uji yang dipakai akan berbeda halnya bila satau persatu variabel bebas tersebut dikaitkan dengan variabel tergantungnya

Tujuan uji Jumlah Sampel Pemilihan teknik analisa data sampel/p bebas / asangan berpasan gan Komparasi 2 >2 Korelasi Bebas Jenis variabel Kuantitatif (rasio-interval) Populasi berdistribusi normal Semi. Kuantitati f (ordinal) Kuantitatif distribusi populasi tak normal Kualitatif (nominal) / Katogotik Uji t 2 sampel bebas -Uji Mann. Whitney -Uji jumlah peringkat Wilcoxon -Uji Khikuadrat Uji Mc Nemar -Uji eksak Fisher Berpasanga n Uji t 2 sampel berpasangan Uji peringkat bertanda Wilc Bebas Anova 1 arah Kruskall-Wallis Uji khi-kuadrat Berpasanga n Anova untuk subyek yang sama Uji Friedman Uji Cohrans Korelasi Pearson (r) Regresi Korelasi Spearmen (rs) Korelasi Kappa Koefisien kontingensi(c) Koefisien Phi Koefisien Kappa

Daftar Pustaka Purnomo, W. 2007. Statistik dan Statistika Managemen. PPS S 2 Airlangga. Sarmanu, dkk. 2007. Statistika Parametrik. LPPM Airlangga. Sarmanu, dkk. 2007. Statistika Non Parametrik. LPPM Airlangga. Rosner, B. Fundamental of Biostatistics. PWS –Kent Publishing. Co. Dixon, JD &Massey, FJ. 1991. Pengantar Analysis Statistik. Gajahmada University Press( terjemahan) Cocran, W. Statistical Method. UIOWA University Press.