LBM 4 MP REZTRY

STEP 11. Biostatistik : penerapan ilmu statistik dalam ilmu biologi dan medis. Contohnya : farmakologi2. Statistik deskriptif : digunakan unutk menggambarkan suatu hasil penelitian tapi tidak digunakan untuk membuat kesimpulan yg lebih luas. 3. Statistik inferensial : untuk menggambarkan hasil penelitian serta untuk menggeneralisasikan. 4. Uji parametrik : digunakan untuk menganalisa data yg berskala interval atau rasio dengan syarat normalitas dan homogenitas terpenuhi.5. Uji non parametrik : untuk menganalisa data yg bersifat nominal dan ordinal tetapi distribusinya tidak normal.

STEP 21. Apa peranan biostatistik dalam penelitian?2. Apa saja macam-macam statistik? (parametrik dan non parametrik juga)3. Apa syarat untuk menguji parametrik dan non parametrik?4. Apa keuntungan dan kerugian dari uji parametrik dan non parametrik?5. Apa kesalahan2 dari uji statistik?6. Apa tujuan dan fungsi dari statistik inferensial dan deskriptif?7. Apa hubungan antara uji statistik dengan penelitian ilmiah?8. Apa saja faktor2 yang mempengaruhi kekuatan uji statistik?9. apa peranan statistik dalam penelitian?10. Bagaimana cara memilih dan melakukan uji statistik?11. Seorang penenliti harus tahu biostatistik apa saja?12. Apa itu s.deskriptif? dan bagaimana ia menggambarkan data? Ukuran tendensi pusat dalam s.deskriptif? apa itu sebaran data?13. Apa itu s.inferensial? wujud kesimpulannya bagaimana? Apa saja yg mempengaruhi kekuatan uji nya? Langkahnya bagaimana (analisis s.inferensial?14. Beda s. Parametrik dan non parametrik?15. Populasi distribusi normal?16. Bagaimana cara menentukan normalitas dan homogenitas?17. Tingkat pengukuran skala interval dan rasio?18. Yang harus diperhatikan dalam memilih uji statistik?19. Asumsi apa yang harus dipenuhi pada metode parametrik?20. Uji 2 sample berpasangan itu bagaimana? 21. Uji 2 sample bebas? 22. Uji 3 sample atau lebih?23. Uji asosiasi 2 sample?24. Uji korelasi regresi?

STEP 71. Apa peranan biostatistik dalam penelitian?Fungsi biostatistik Memecahkan masalah2 penelitian yang berkaitan dengan kehidupan melalui pengumpulan, pengolahan dan penyajian analisis Untuk menganalisis sampel yang diambil dari suatu populasiContoh: homogenitas sampel Menguji validitas dan reliabilitas instrument penelitian Menguji hipotesisStatistika untuk Penelitian, Prof. DR. Sugiyono2. Apa saja macam-macam statistik? (parametrik dan non parametrik juga) Statistik Deskriptif, yaitu statistik yang digunakan untuk menggambarkan atau menganalisis suatu statistik hasil penelitian, tetapi tidak digunakan untuk membuat kesimpulan yang lebih luas (Generalisasi / Inferensiasi). Penelitian yang tidak menggunakan sampel, analisisnya akan menggunakan statistik deskriptif.. demikian juga penelitian yang menggunakan sampel, tetapi peneliti tidak bermaksud untuk membuat kesimpulan untuk populasi darimana sampel diambil, maka statistik yang digunakan adalah stasistik deskriptif. Dalam hal ini teknik Korelasi dan Regresi juga dapat berperan sebagai Statistik Deskriptif. Statistik Inferensial, yaitu statistik yang digunakan untuk menganalisis data atau sampel, dan hasilnya akan digeneralisasikan (diinferensiasikan) untuk populasi dimana sampel diambil. Terdapat 2 macam statistik Inferensial, yaitu : Statistik Parametris, yaitu statistik yang digunakan untuk menganalisis data interval atau rasio, yang diambil dari populasi yang berdistribusi normal. Statistik Non-Parametris, yaitu statistik yang digunakan untuk menganalisis data nominal, dan ordinal dari populasi yang bebas distribusiJadi tidak harus normal. Dalam hal ini teknik Korelasi dan Regresi dapat berperan sebagai Statistik Inferensial. (Statistik Untuk Penelitian, Prof. Dr Sugiyono, 2005, Bandung : CV. Alfa Beta)A. Statistik DeskriptifStatistik deskriptif bertujuan untuk menggambarkan berbagai karakteristik data seperti mean, median, modusB. Statistik InferensialStatistik inferensial bertujuan untuk menguji hipotesis yang dapat dikelompokkan lagi menjadi 2 yaitu: Statistik ParametrikPenggunaan statistik parametrik ini harus disertai pada data harus berdistribusi normal, jumlah sampel terhitung harus sama atau lebih besar dari 30. Untuk keperluan analisis parametrik maka statistik parametrik dibagi menjadi: Uji perbedaanDisini akan di uji apakah sebuah sampel mempunyai perbedaan nyata dengan sampel yang lain. Uji yang digunakan adalah independent sample T test, paired sample T test, one sample T test. Uji AsosiasiDi sini akan diuji apakah dua variabel yang ada mempunyai hubungan atau tidak. Uji yang digunakan adalah korelasi, regresi, Crosstab. Analisis MultivariateDi sini jumlah vaiabel banyak dan tujuan pengujian adalah mencoba mengetahui struktur data yang ada pada variabel-variabel tersebut. Uji yang digunakan adalah Analisis Diskriminan, Analisis faktor. Statistik Non ParametrikPenggunaan statistik non parametrik ini digunakan pada kondisi-kondisi penelitian tertentu. Kondisi yang sering dijumpai antara lain data pada sampel tidak terdistribusi normal, jumlah sampel yang kecil (kurang dari 30), cenderung lebih sederhana sehingga kesimpulannya kadang diragukan.Yang termasuk uji non parametrik adalah Uji Sign, Uji Mann Whitney, uji Friedman, uji Kruskal Wallis H akan dibahas lebih lanjut pada bab selanjutnya.Tommi Poltak Mario, V. Wiratna Sujarweni. SPSS untuk Paramedis. Sleman. Penerbit Ardana Media. 2006

No.Skala Penggunaan Nama UjiKeterangan

1Nominal Uji beda satu kelompokBinominal Bisa dipakai bila uji McNemar dan Chi Square 2x2 tidak bisa dilakukan

2Nominal Uji beda satu kelompok Uji beda 2 kelompok mandiri Uji beda 3 kelompok mandiriChi SquarePenggunaannya luas.Bisa dipakai sebagai pengganti uji nonparametrik lain untuk skala ordinal

3Nominal Uji beda 2 kelompok berpasanganMcNemarDapat digunakan untuk sampel skala ordinal.

4Nominal Uji beda 2 kelompok mandiriFisher ExactProbability TestEfektif untuk sampel kecil (n F tabel, berarti tidak homogen.Uji Normalitas oleh dr. Ratu Ilma Indra PutriNormalitas Sering kali kita mendengar bahwa dalam uji statistik, data yang kita miliki harus diuji normalitasnya terlebih dahulu untuk menentukan alat uji yang dapat kita gunakan. Jika data yang kita miliki berdistribusi normal, maka kita dapat menggunakan uji parametrik, jika tidak maka kita harus menggunakan uji non parametrik. Demikian pula ketika kita menggunakan alat uji regresi, beberapa sumber menyatakan bahwa data harus berdistribusi normal.

Normalitas pada uji beda.Sebenarnya, uji beda seperti uji t, mensyaratkan bahwa sampel yang kita miliki berasal dari populasi yang berdistribusi normal. Jika kita dapat meyakini bahwa sampel yang kita miliki memang berasal dari populasi yang berdistribusi normal, maka kita dapat menggunakan uji parametrik. Bagaimana kita bisa mengetahui bahwa sampel kita berasal dari populasi yang berdistribusi normal?Kita lihat kembali pada poin pertama di atas. Jika kita melakukan penyampelan dengan distribusi yang normal, maka kita akan memiliki sampel yang mendekati karakteristik populasi. Dengan demikian, jika sampel yang kita miliki berdistribusi normal, maka kemungkinan besar populasi asal sampel pun akan memiliki distribusi yang normal. Dengan demikian, syarat bahwa sampel harus berasal dari populasi yang berdisribusi normal terpenuhi, dan uji parametrik pun dapat kita gunakan. Normalitas pada RegresiModel regresi yang baik ditandai dengan nilai residual yang random. Sesuatu yang random, biasanya ditandai dengan distribusi yang normal, dengan demikian, model regresi yang baik, ditandai dengan nilai error term (residual) yang berdistribusi normal.Nilai error term yang random sebenarnya menggambarkan bahwa model regresi yang digunakan untuk melakukan estimasi, terbebas dari adanya pengaruh variabel lain yang kuat namun tidak masuk dalam model. Dengan demikian, hasil estimasi dari model regresi kita tidak akan menyesatkan.(Statistika untuk Penelitian,dr.Sugiyono)4. Apa keuntungan dan kerugian dari uji non parametrik terhadap parametrik?Kelebihan dan kekurangan statistic non parametric dibanding statistic parametricKeuntungan:a. Tidak membutuhkan asumsi tentang normalitas distribusi populasi seperti pada statistic parametricb. Lebih mudah dikerjakan dan lebih mudah dimengerti karena tidak membutuhkan perhitungan matematik yang rumit seperti satistik parametricc. Dapat menggantikan data numeric dengan jenjangd. Tidak di butuhkan urutan atau jenjang secara formal karena sering di jumpai hasil pengamatan yang dinyatakan dalam data kualitatife. Pengujian hipotesisnya dilakukan secara langsung pada pengamatan yang nyata.f. Tidak terikat pada distribusi normal populasi tetapi dapat digunakan pada populasi berdistribusi normalKerugian:a. Tidak adanya sistematikab. Hasilnya bisa meragukan jarena kesederhanaan metodenyaPokok2 materi statistik 29 statistik inferensi oleh Ir. M. Iqbal HasanKelebihankekurangan

Non Parametrik1. Asumsi yang digunakan min. sehingga mengurangi kesalahan penggunaan2. Penghitungan dpt dilakukan dg cepat dan mudah3. Konsep dan metode mudah dipahami4. Dpt diterapkan pada skala nominal dan ordinalParametrik1. Syarat2 parameter populasi yang menjadi sample biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran data kuat2. Observasi bebas (double blind?) satu sama lain (sample dan dokternya tidak tahu variable bebasnya) dan ditarik dari populasi yg berdistribusi normal dan varian yang homogeny

Non parametric1. Menyebabkan pemborosan informasi2. Banyak hitung2, sehingga menjemukanParametrik1. Populasi harus memiliki varian yg sama2. Variable2 yang diteliti harus dpt diukur setidaknya dlm skala interval

5. Apa kesalahan2 dari uji statistik?1. kesalahan tipe 1 adalah suatu kesalahan bila menolak hipotesis nol (Ho) yang benar (seharusnya diterima).Dalam hal ini tingkat dinyatakan dengan () 2. kesalahan tipe 2 adalah kesalahan bila menerima hipotesis yang salah (seharusnya ditolak).tingkat kesalahan untuk ini dinyatakan dengan ()

KeputusanKeadaan sebenarnya

Hipotesis benarHipotesis salah

Terima hipotesis Tidak membuat kesalahanKesalahan tipe 2

Tolak hipotesisKesalahan tipe 1Tidak membuat kesalahan

Dari table tersebut diatas dapat dijelaskan sbb :1. Keputusan menerima hipotesis nol yg benar,berarti tidak membuat kesalahan2. Keputusan menerima hipotesis nol yg salah berarti terjadi kesalahan tipe II3. Membuat keputusan menolak hipotesis nol yang benar berarti terjadi kesalahan tipe I 4. Keputusan menolak hipotesis nol yg salah berarti tdk membuat kesalahan (Statistik Untuk Penelitian Prof.DR.Sugiono)Apabila kedua jenis kesalahan tsb dinyatakan dalam bentuk probabilitas didapatkan hal-hal sbb: Kesalahan tipe I disebut kesalahan yang dalam bentuk penggunaanya disebut sbg taraf yang nyata atau taraf signifikan.1 disebut sbg tingkat keyakinan , karena dengan itu kita yakin bahwa kesimpulan yang kita buat adalah benar sebesar 1 . Kesalahan tipe II disebut kesalahan yang dalam bentuk penggunaanya disebut sbg fungsi ciri operasi , disingkat CO , 1 disebut sbg kausa pengujian karena memperlihatkan kuasa terhadap pengujian yang dilakukan untuk menolak hipotesis yang seharusnya ditolak.(Pokok-pokok Materi Statistik, Statistik Inferensi Oleh Ir. M. Iqbal Hasan)6. Apa tujuan dan fungsi dari statistik inferensial dan deskriptif?FUNGSIa. Alat untuk menghitung besarnya anggota sample yang diambil dari suatu populasi. Dengan demikian jumlah sampel yang diperlukan lebih dapat dipertanggungjawabkan.b. Alat untuk menguji validitas dan reliabilitas instrumen. Sebelum instrumen digunakan untuk penelitian, maka harus diuji validitas dan reabilitasnya terlebih dahulu.c. Teknik-teknik untuk menyajikan data, sehingga data lebih komunikatif. Teknik-teknik penyajian data ini antara lain; tabel, grafik, diagram lingkaran, dan pictogram.d. Alat untuk menganalisis data seperti menguji hipotesis penelitian yang diajukan. Dalam hal ini statistik yang digunakan antara lain; korelasi, regresi, t-test, anova,dll.(Sugiyono, 2005, Statistika untuk Penelitian, Alfabeta, Bandung)7. Apa saja faktor2 yang mempengaruhi kekuatan uji statistik?8.

1. Besar sampel. Makin besar sampelnya, makin kuat inferensinya (generalisasi). Dengan perkataan lain, kenyataan bahwa sampel tersebut terdiri dari 100 penderita harus ikut dipertimbangkan bila membuat inferensi ; juga, hasil yang didapat pada 100 penderita harus memberikan inferensi yang lebih terandal dari pada hasil yang sama, misalnya pada 10 penderita.2. Variabilitas. Dari hasil yang sedang diteliti. Makin kurang variabilitasnya, makin kuat inferensinya. Suatu variasi yang kecil dalam hal hidup terus dari satu penderita ke penderita lain yang menunjukkan suatu hasil yang tetap sama, yang dapat ditimbulkan lagi dengan hasil yang sama. Dengan demikian, makin kecil variasinya, makin banyak kepastian yang dimiliki seseorang tentang hasil-hasil yang diamati pada sampel. Variabilitas dari hidup terus ditunjukkan dari SD (Standart deviation) sama dengan 43,3 bulan yang didasarkan atas pengalaman sebelumnya, dan, dengan sendirinya,SD ini harus menurut suatu cara tertentu masuk ke dalam proses dari menarik inferensi.3. Representativitas sampel. Dipengaruhi oleh teknik sampling dan ukuran atau besar sampel. Makin tinggi tingkat representativitas sampel makin tinggi kekuatan ujinya.(Colton,Theodore.StatistikaKedokteran. Gadjah

9. apa peranan statistik dalam penelitian?a. Alat untuk menghitung besarnya anggota sample yang diambil dari suatu populasi. Dengan demikian jumlah sampel yang diperlukan lebih dapat dipertanggungjawabkan.b. Alat untuk menguji validitas dan reabilitas instrumen. Sebelum instrumen digunakan untuk penelitian, maka harus diuji validitas dan reabilitasnya terlebih dahulu.c. Teknik-teknik untuk menyajikan data, sehingga data lebih komunikatif. Teknik-teknik penyajian data ini antara lain; tabel, grafik, diagram lingkaran, dan pictogram.d. Alat untuk menganalisis data seperti menguji hipotesis penelitian yang diajukan. Dalam hal ini statistik yang digunakan antara lain; korelasi, regresi, t-test, anova,dll.Statistika untuk Penelitian, Prof. DR. Sugiyonoa. Berperan dalam pengujian hipotesisb. Penyusunan model teoritisc. Pengembangan alat pengambilan datad. Penyusunan rancangan penelitiane. Penentuan sampel penelitianf. Pengolahan dan analisis dataProf. DR. H. Abdurrahmat Fathoni, M. Si. Metodologi Penelitian dan Tehnik Penyusunan Skripsi. Rineka Cipta10. Bagaimana cara memilih dan melakukan uji statistik?

Langkah-langkah :a. Tentukan uji yang dikehendaki (korelasi/perbedaan)b. Tentukan cara memperoleh sampel (probability/non probability)c. Tentukan tingkat variable tergantung yang akan di analisis dan bagaimana time orderyd. Menentukan berapa jumlah kelompok yang akan diobservasi kalau 2/> apakah sampel berhubungan atau tidake. Menentukan adakah pengamatan ulang terhadap suatu variable atau tidakf. Apakah pada uji yang dikehendaki dilakukan uji pengendalian terhadap variable tertentuSyarat-syarat yang perlu diperhatikan untuk menentukan statistik apa yang akan digunakan dalam analisis, yaitu:

1. Apakah distribusi data diketahui?

Jika distribusi data tidak diketahui maka statistik yang sesuai adalah statistik nonparametrik. Jika distribusi data diketahui, maka kita harus melihat jenis distribusi data tersebut.

2. Apakah data berdistibusi normal?

Jika data tidak berdistribusi normal, maka statistik yang sesuai adalah statistik nonparametrik. Jika data berdistribusi normal, maka statistik yang sesuai adalah statistik parametrik.

3. Apakah sampel ditarik secara random?

Jika sampel tidak ditarik secara random, maka statistik yang sesuai adalah statistik nonparametrik. Jika sampel ditarik secara random, maka statistik yang sesuai adalah statistik parametrik.

4. Apakah varians kelompok sama?

Jika varians kelompok tidak sama, maka statistik yang sesuai adalah statistik nonparametrik. Jika varians kelompok sama, maka statistik yang sesuai adalah statistik parametrik.

5. Bagaimana jenis skala pengukuran data?

Jika skala pengukuran data nominal dan ordinal, maka statistik yang sesuai adalah statistik nonparametrik. Jika skala pengukuran data interval dan rasio, maka statistik yang sesuai adalah statistik parametrikhttp://usupress.usu.ac.id/files/Statistik%20Nonparametrik%20%20Final%20Perbaikan_bab%201.pdf

11. Seorang penenliti harus memiliki kompetensi biostatistik apa saja? Kemampuan peneliti untuk memilih uji statistik yang paling tepat sesuai dengan data yang akan dianalisis Pemahaman peneliti mengenai potensi dan keterbatasan uji statistik yang digunakan Kemampuan peneliti untuk menasirkan hasil uji statistik yg dilakukan termasuk didalamnya kemampuan membedakan pengertian kemaknaan statistik dan kemampuan apikatif.

Sugiyono. 2000. Statistika Untuk Penelitian. CV Alfabeta; Bandung

12. Apa itu s.deskriptif? dan bagaimana ia menggambarkan data? Ukuran tendensi pusat dalam s.deskriptif? apa itu sebaran data?PENGERTIANStatistika deskriptif (descriptive statistics) berkaitan dengan penerapan metode statistik untuk Mengumpulkan, mengolah, menyajikan,dan menganalisis data kuantitatif secara deskriptif.

PENGGAMBARAN DATADeskripsi atau penggambaran sekumpulan data secara visual dapat dilakukan dengan dengan dua cara yakni deskripsi dalam bentuk tulisan dan deskripsi dalam bentuk gambar:1. Deskripsi dalam bentuk tulisan,Bisa kita dapatkan dari output SPSS yang secara otomatis muncul. Dalam program SPSS, statistik deskriptif dapat dilakukan dengan menu deskriptive statistics yang terdiri dari:-Frequencies,Digunakan untuk menampilkan dan menggambarkan data yang terdiri atas satu variabel saja. Jika terdapat lebih dari satu variabel maka variabel-variabel tersebut akan ditampilkan secara terpisah.

-DescriptivesDigunakan untuk menyajikan data statistik deskriptif pada sebuah variabel seperti rata-rata (mean), deviasi standar, variasi dan sebagainya.

-ExploreMemiliki fungsi yang sama dengan menu Descriptives. Perbedaannya adalah dalam menu Explore ini akan diolah semakin kompleks dan dilengkapi dengan cara menguji apakah data yang outlier serta uji kenormalan sebuah data, yang dapat dukur dengan uji tertentu atau ditampilkan dalam bentuk box-plot, steam, and leaf dan normal probability plot.

-CrosstabDigunakan untuk menyajikan data dalam bentuk tabulasi, yang meliputi baris dan kolom. Ciri crosstab adalah adanya dua variable atau lebih yang mempunyai hubungan secara deskriptif serta data penyajiannya berupa data kualitatif, khususnya data yang berskala nominal.

-RatioDigunakan untuk menyediakan ringkasan statistik yang berupa perbandingan-perbandingan. Rasio ini sering juga disebut sebagai rasio statistik, yakni hasil pembagian dua variabel yaitu semua data yang bertipe rasio yang mempunyai nilai positif.

2. Descriptive dalam bentuk gambar/ grafikData yang disajikan dengan grafik digunakan untuk melengkapi deskripsi yang beripa teks, supaya data tersebut tampak lebih impresif dan komunikatif dengan para penggunanya.Berikut ini kami sajikan salah satu contoh analisa yang menggunakan tipe statistik deskriptifTabel di bawah ini adalah data-data perolehan nilai dari 10 siswa untuk mata pelajaran Matematika dan Bahasa Indonesia. Yang nantinya akan dianalisis menggunakan tipe analisa deskriptif.NoMatematika(variable X)B. Ind(variable Y)

19087

26775

37867

48580

57570

66056

78776

88754

99087

106065

Tabel Nilai Mata Pelajaran Matematika dan B. Indonesia dari 10 Siswa

UKURAN TENDENSIIstilah tendensi pusat atau gejala pusat digunakan untuk menunjukkan nilai atau ukuran yang mendekati titik konsentrasi perangkat data hasil suatu pengukuran. Ukuran gejala pusat sering digunakan sebagai gambaran umum tentang kecenderungan atau sebagai wakil dari suatu perangkat data.Tiga macam ukuran gejala pusat:a. ModusMerupakan nilai yang sering muncul dalam suatu pengukuran. Misalnya, kecelakaan lalu lintas di daerah tertentu umumnya diakibatkan oleh kelalain pengemudi. Pernyataan tersebut menunjukkan bahwa modus penyebab kecelakaan lalu lintas di daerah itu adalah kelalaian pengemudi.Seperangkat data mungkin memiliki hanya satu modus (unimodal), dua modus (bimodal), atau lebih (multimodal), atau bahkan tidak memiliki modus sama sekali (misalnya, dalam kasus distribusi rektangular di mana semua nilainya memiliki frekuensi yang identik). Modus dari perangkat data yang telah dikelompokkan ke dalam suatu daftar distribusi frekuensi, secara kasar, sama dengan nilai titik tengah dari interval kelas yang memiliki frekuensi terbanyak. Pengertian seperti ini didapat dengan menggunakan alur berfikir deduksi bahwa (a) modus suatu perangkat data adalah nilai yang memiliki frekuensi terbanyak, dan (b) titik tengah suatu interval kelas adalah nilai yang mewakili interval kelas yang bersangkutan. Oleh karena itu, titik tengah interval kelas yang memiliki frekuensi terbanyak adalah modus dari suatu perangkat data.Nilai yang diperoleh dengan cara tersebut merupakan ukuran atau perkiraan kasar modus suatu perangkat data. Secara lebih halus, modus perangkat data kuantitatif yang telah dikelompokkan ke dalam interval kelas pada suatu daftar distribusi frekuensi dapat diperoleh dengan menggunakan rumus:Mo = b + p ( b1 ) b1- b2di mana:b = batas bawah interval kelas dengan frekuensi terbanyakp = panjang kelasb1 = frekuensi terbanyak dikurangi frekuensi interval kelas sebelumnyab2 = frekuensi terbanyak dikurangi frekuensi interval kelas sesudahnya.Satu hal yang perlu dicatat adalah bahwa kegunaan modus sebagai ukuran gejala pusat relatif terbatas. Dalam banyak hal, modus tidak cocok digunakan sebagai ukuran gejala pusat. Ferguson dan Takane (1989), misalnya, mengatakan bahwa modus tepat digunakan sebagai ukuran gejala pusat hanya untuk perangkat data yang berdistribusi secara simetrik dan unimodal. Dalam kondisi demikian, nilai modus yang diperoleh dari rumus di atas tidak jauh berbeda dengan nilai tengah interval kelas dengan frekuensi terbanyak. Jika distribusi data tidak simetris dan tidak unimodal, maka modus seringkali tidak menggambarkan gejala pusat suatu distribusi. b. MedianMedian diartikan sebagai titik atau nilai yang membagi seperangkat data menjadi dua bagian sama banyak. Median biasanya digunakan sebagai ukuran gejala pusat pada perangkat data yang distribusi atau penyebarannya sangat juling ke kiri atau ke kanan (tidak simetrik). Distribusi semacam ini seringkali memiliki skor-skor ekstrim. Pada perangkat data semacam ini median merupakan ukuran gejala pusat yang berguna (informatif) karena kurang peka terhadap skor0skor ekstrim.c. Mean Merupakan ukuran gejala pusat yang sering digunakan. Mean dapat didefinisikan sebagai jumlah nilai dibagi oleh jumlah (banyaknya) subjek.Hubungan antara modus, median, dan rata-rata:Pemilihan ukuran gejala pusat paling tidak harus mempertimbangkan tiga hal, yaitu bentuk distribusi, skala pengukuran yang digunakan, dan informasi yang hendak disampaikan mengenai data itu.Jika distribusi data itu simetris, maka modus, median, rata-rata akan sama besar. Untuk data yang berdistribusi simetris atau mendekati simetris, rata-rata atau median merupakan ukuran gejala pusat yang lebih sering digunakan karena sifatnya yang lebih stabil dibandingkan dengan modus.Modus merupakan ukuran gejala pusat yang paling labil. Harga modus berubah secara mencolok seiring dengan perubahan bentuk distribusi datanya. Namun demikian, modus merupakan ukuran yang bermanfaat untuk data yang berskala nominal, seperti jenis kelamin, penyebab kecelakaan lalu lintas, dan jenis pekerjaan orang tua siswa. Pada data yang distribusinya sangat juling ( baik ke arah positif maupun negatif) dimana terdapat beberapa skor yang sangat ekstrim, rata-rata biasanya kurang reprensentatif untuk menunjukkan ukuran gejala pusat. Hal ini dikarenakan harga rat-rata akan ditarik ke arah dan mendekati skor ekstrim. Dalam kondisi ini median merupakan ukuran yang lebih reprensentatif. Selain itu, median juga sering digunakan sebagai ukuran gejala pusat data yang berskala ordinalSugiyono. 2000. Statistika Untuk Penelitian. CV Alfabeta; Bandung

13. Apa itu s.inferensial? wujud kesimpulannya bagaimana? Apa saja yg mempengaruhi kekuatan uji nya? Langkahnya bagaimana (analisis s.inferensial?PENGERTIANStatistika inferensial/Induktifadalah statistik yang digunakan untuk menganalisa data sampel, dan hasilnya akan digeneralisasikan untuk populasi dimana sampel berada. Statistika inferensial berusaha membuat berbagai inferensi terhadap sekumpulan data yang berasal dari suatu sampel. Tindakan inferensi tersebut seperti melakukan perkiraan besaran populasi, uji hipotesis,forecastingdsb.

14. Populasi berdistribusi normal?Distribusi normal merupakan satu-satunya distribusi probabilitas dengan variable random continue dan mempunyai peran yg sngat penting dlm statistika krn:Distribusi normal memiliki beberapa sifat yg memungkinkan untuk dipergunakan sbg pedoman dlm menarik kesimpulan berdasarkan hasil sampel.Meskipun distribusi normal merupakan distribusi teoritis tetapi sangat sesuai dgn disribusi empiris shg dikatakan bhwa semua peristiwa secara alami akan membentuk distribusi ini oleh karena itu distribusi ini sering dikenal dgn distribusi normalUJI NORMALITAS:Uji normalitas berguna untuk menentukan data yang telah dikumpulkanberdistribusi normal atau diambil dari populasi normalUji statistik normalitas yang dapat digunakan diantaranya :- Chi-Square- Kolmogorov Smirnov,- Lilliefors- Shapiro Wilk.Biostatistika Untuk Kedokteran Dan Kesehatan Masyarakat Dr. Eko Budiarto

15. Bagaimana cara menentukan normalitas dan homogenitas?UJI NORMALITAS:Uji normalitas berguna untuk menentukan data yang telah dikumpulkanberdistribusi normal atau diambil dari populasi normalUji statistik normalitas yang dapat digunakan diantaranya :- Chi-Square- Kolmogorov Smirnov,- Lilliefors- Shapiro Wilk.UJI HOMOGENITAS:Langkah-langkah menghitung uji homogenitas: Mencari Varians/Standar deviasi Variabel X danY, dengan rumus:

Mencari F hitung dengan dari varians X danY, dengan rumus:

Membandingkan F hitung dengan F tabel pada tabel distribusi F, denganuntuk varians terbesar adalah dk pembilang n-1untuk varians terkecil adalah dk penyebut n-1JikaFhitung < Ftabel, berarti homogen. Jika F hitung > F tabel, berarti tidak homogen.Uji Normalitas oleh dr. Ratu Ilma Indra Putri16. Tingkat pengukuran skala interval dan rasio?Skala IntervalSkala interval adalah skala pengukuran yang mempunyai selisih sama antara satu pengukuran dengan pengukuran yang lain, tetapi tidak memiliki nilai nol mutlak. Skala interval memberikan ciri angka kepada objek yang mempunyai skala nominal dan ordinal, dilengkapi dengan jarak yang sama pada urutan objeknya. Skala interval bisa dikatakan tingkatan skala ini berada diatas skala ordinal dan nominal. Ciri penting dari skala ini: datanya bisa ditambahkan, dikurangi, digandakan, dan dibagi tanpa mempengaruhi jarak relatif skor-skornya. Selanjutnya skala ini tidak mempunyai nilai nol mutlak sehingga tidak dapat diinterpretasikan secara penuh besarnya skor dari rasio tertentu. Pada skala pengukuran interval, rasio antara dua interval sembarang tidak tergantung pada nilai nol dan unit pengukuran. Sebagai contoh, pengukuran suhu dalam skala Celcius. Bila bak air berisi penuh dengan suhu 0 derajat C, 50 derajat C, dan 100 derajat C, maka perbedaan antara 0-50 dan 50-100 derajat C itu sama, tetapi tidak bisa dikatakan bahwa air bersuhu 100 derajat C dua kali lebih panas daripada air bersuhu 50 derajat C. Contoh aplikasi: Penilaian kinerja pegawai (dengan skala 0-100). Skala Rasio (Skala Nisbah)Skala rasio adalah skala pengukuran yang paling tinggi di mana selisih tiap pengukuran adalah sama dan mempunyai nilai nol mutlak. Skala rasio mempunyai semua sifat skala interval ditambah satu sifat yaitu memebrikan keterangan tentang nilai absolut dari objek yang diukur. Sakala rasio merupakan skala pengukuran yang ditujukan pada hasil pengukuran yang bisa dibedakan, diurutkan, mempunyai jarak tertentu, dan bisa dibandingkan (paling lengkap, mencakup semuanya dibanding skala-skala dibawahanya). Contoh: Bila kita ingin membadingkan berat dua orang. Berat Fulan1 40kg dan Fulan2 80kg. Kita dapat tahu bahwa fulan2 dua kali lebih berat daripada Fulan1, karena nilai variabel numerik berat mengungkapkan rasio dengan nilai nol sebagai titik bakunya. Contoh aplikasi lain: umur, nilai uang, tinggi badan, dll. Skala pengukuran interval dan rasio biasanya dikenai alat statistik parametrikTingkatan Skala pengukuran diatas mengurutkan dari tingkat rendah (1 skala nominal) sampai tingkat paling tinggi (4 skala rasio). Skala Pengukuran dengan tingkatan pengukuran lebih tinggi dapat diubah ke tingkat yang lebih rendah, tetapi hal sebaliknya tidak dapat dilakukan.Pentingnya mengetahui skala pengukuran ini akan memberi manfaat pada sebuah penelitian. Dalam proses penelitian akan dilakukan analisis, pada saat analisis akan sangat dibutuhkan skala pengukuran apa yang dipakai dan alat analisis apa yang fit untuk menjawab tujuan penelitian.Biostatistika Untuk Kedokteran Dan Kesehatan Masyarakat Dr. Eko Budiarto

17. Asumsi apa yang harus dipenuhi pada metode parametrik?Statistik Parametrik Statistik Parametrik yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan kata lain, data yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak menyebar normal, maka data seharusnya dikerjakan dengan metode statistik non-parametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik parametrik.Sugiyono. 2000. Statistika Untuk Penelitian. CV Alfabeta; Bandung

18. Uji 2 sample berpasangan itu bagaimana? Dua sampel berpasangan artinya sampel dengan subjek yang sama namun mengalami dua perlakuan atau pengukuran yang berbeda.

19. Uji 2 sample bebas? Hipotesis yang digunakan dalam Pengujian Perbedaan Ratarata Dua sampel saling bebas ada 3 hampir sama dengan yang lainnya yaitu:1. Hipotesis dua arah yaitu rata-rata antar kelompok sama2. Hipotesis satu arah menganggap kelompok 1 lebih tinggi rata-ratanya dibandingkan kelompok 2.3. Hipotesis satu arah yang menganggap kelompok 1 lebih kecil rata-ratanya dibandingkan kelompok 2.

Dalam Pengujian Perbedaan Ratarata Dua sampel saling bebas (Independent two sample ) ada 4 jenis mencari statistik uji dari Pengujian Perbedaan Ratarata Dua sampel saling bebas (Independent two sample):

Varians populasi diketahui:

Cara ini dapat digunakan apabila kita mengetahui nilai varians populasi itu sendiri.sehingga cara ini mungkin jarang digunakan karena untuk mengetahui nilai populasi. berikut cara mencari z-hitung:

apabila kita tidak mengetahui nilai populasi khususnya simpangan baku maka kita bisa menggunakan uji-t. dalam uji t ini dibagi menjadi tiga bagian.

Varians populasi tidak diketahui, Ukuran sampel sama dan Varians diasumsikan sama

Cara ini dapat digunakan jika ukuran sampel (n) sama dan juga varians homogen/sama. ini kadang diasumsikan untuk memecahkan masalah penelitian. berikut uji t yang digunakan:

dimana

Sx1x2 disebut jugapool standar deviasiyang merupakan penggabungan dua standar deviasi. pada t-hitung ini menggunakandegree of freedomdengan rumus 2n-2.

Varians populasi tidak diketahui, Ukuran sampel berbeda dan varians diasumsikan sama

Walaupun varians homogen tapi ukuran sampel yang digunakan berbeda maka rumus di atas tidak dapat digunakan. sehingga perlu menggunakan t-hitung yang baru sebagai berikut:

dimana

selain itudegree of freedompun berubah.degree of freedomuntuk kasus ini yaitu n1+n2-2

Varians populasi tidak diketahui, Ukuran sampel sama/berbeda, Varians diasumsikan berbeda

Tes ini juga disebut denganwelch's testdan hanya digunakan apabila varians diasumsikan berbeda (baik ukuran sampel sama atau berbeda). berikut cara menghitung t statistik:

dimana

untuk menentukandegree of freedommenggunakan rumus sebagai berikut:

persamaan ini juga dikenal denganPersamaan welch satterthwaite

20. Uji 3 sample atau lebih?21. Uji asosiasi 2 sample?22. Uji korelasi regresi?