Dokumen ini membahas mengenai uji statistik, analisis data, dan pencarian informasi valid dalam penelitian. Menyuguhkan berbagai jenis data dan variabel, termasuk cara pengukurannya serta peran statistik dalam riset kesehatan. Selain itu, dijelaskan langkah-langkah analisis data, metode pengujian hipotesis, serta contoh penerapan analisis dalam konteks kesehatan.

1. UJI STATISTIK &UJI STATISTIK &
ANALISIS DATAANALISIS DATA
By : Anik Puji RahayuBy : Anik Puji Rahayu

2. STATISTIK
 STATISTIK
Prosedur/metode pengumpulan data,
pengolahan data, analisis data dan
penyajian data
 PENELITIAN
Cara ilmiah untuk mendapatkan data
dgn tujuan & kegunaan tertentu

3. Data dari penelitian harus :
 Akurat
data harus memenuhi kriteria :
1. Valid
2. Reliabel
3. Obyektif

4. Data Valid
 Ketepatan antara data yang
sesungguhnya terjadi pada obyek dgn
data yang dapat dikumpulkan oleh
peneliti
 Ketepatan/kecermatan pengukuran
 Contoh : mengukur lomba lari, valid
pakai stop watch bukan dgn jam

5. Reliabel
 Menunjukkan kekonsistenan
pengukuran
 Pengukuran beulang-ulang akan
mendapatkan hasil yang sama
 Hari ini mendapatkan warna hijau,
besok & lusa hrs tetap warna hijau

6. Obyektif
 Menunjukkan derajat persamaan
persepsi antar orang
 Contoh : jika satu orang menyatakan
suatu obyek berwarna putih, maka
orang lainpun menyatakan sama yaitu
obyek berwarna putih

7. Peran Statistik dlm penelitian
 Alat mengukur besar sampel yg akan
diteliti
 Alat menguji validitas & reliabilitas
instrumen
 Alat pengolahan data
 Alat analisis data
 Alat penyajian data

8. Kegunaan statistik dibidang
kesehatan :
 Mengukur status kesehatan masyarakat
 Membandingkan status kesehatan di
satu tempat dgn tempat lain, lampau
dan sekarang
 Evaluasi & monitoring program
 Estimasi kebutuhan pelayanan
 Perencanaan program kesehatan
 Riset & publikasi masalah kesehatan

9. DATA & VARIABEL
 Data adalah Kumpulan angka/huruf
hasil dari penelitian terhadap
karakteristik yang diteliti
 Variabel adalah karakteristik yg nilai
datanya bervariasi dari suatu
pengukuran ke pengukuran berikutnya

10. Menurut skala pengukurannya,
variabel dibagi 4 jenis :
 Nominal
 Ordinal
 Interval
 Ratio

11. NOMINAL
 Variabel yg hanya dpt membedakan
nilai datanya & tdk tahu nilai data yg
lebih tinggi atau rendah
 Nilai datanya sederajat
 Jenis kelamin, suku, agama dll

12. ORDINAL
 Variabel yg dpt membedakan nilai
datanya & sudah dpt diketahui
tingkatan lebih tinggi atau rendah, tapi
belum diketahui besar beda antar nilai
datanya
 Pendidikan, pangkat, stadium penyakit

13. INTERVAL
 Variabel yg dpt dibedakan, diketahui
tingkatannya & besar beda antar nilainya,
namun belum diketahui kelipatan suatu nilai
terhadap nilai yg lain & tdk mempunyai titik
nol mutlak
 Suhu : Benda A 40° & benda B 30 °
Benda A > B, beda panas 10 derajat, tdk bisa
benda A panasnya 2 kali B, jika suhu 0
derajat tdk berarti benda tsb tdk panas (tdk
punya nilai nol mutlak)

14. RATIO
 Bisa dibedakan : ada tingkatan, ada
besar beda, ada kelipatannya & ada
nilai nol mutlak
 BB, TB
 Berat A 30 kg, B 60 Kg : A < B, beda A
& B 30 kg, berat B 2x lipat A
Berat 0 kg, berarti tdk ada berat (tidak
ada bendanya) shg ada nilai nol mutlak

15. JENIS DATA
 Data Katagorik (Kualitatif)
Data hasil pengklasifikasian/penggolongan
suatu data, isinya berupa kata-kata
Contoh : sex, jenis pekerjaan, pendidikan
 Data Numerik (Kuantitatif)
Hasil dari perhitungan/pengukuran,
berbentuk angka-angka

16. Data Numerik terbagi dua :
 Data Diskrit
Variabel hasil dari penghitungan, misal :
jumlah anak, jumlah pasien dll
 Data kontinyu
Hasil dari pengukuran, misal : tekanan
darah, Hb dll

17. Variabel katagorik & Numerik
 Variabel katagorik : Pada umumya
berisi variabel berskala nominal &
ordinal
 Variabel numerik : berskala interval dan
ratio

18. TUJUAN ANALISIS DATA
 Memperoleh gambaran masing-masing
variabel
 Membandingkan & menguji teori atau konsep
dari data yg dikumpulkan
 Menemukan konsep baru dari data yg
dikumpulkan
 Mencari penjelasan apakah konsep baru yg
diuji berlaku umum atau hanya berlaku pada
kondisi tertentu

19. Seberapa jauh analisis suatu penelitian
akan dilakukan, tergantung dari :
 Jenis penelitian : kualitatif atau kuantitatif
 Jenis sampel : independen atau dependen
 Jenis data/variabel : katagorik (proporsi) dan
numerik (nilai rata-rata)
 Asumsi kenormalan
Data normal (uji statistik parametrik)
data tidak normal (uji statistik non perametrik)

20. Langkah-langkah analisis data
(pendekatan kuantitatif)
 Analisis deskriftif (Univariat)
 Analisis analitik (Bivariat)
 Analisis Multivariat

21. ANALISIS UNIVARIAT
 Untuk menjelaskan/mendeskripsikan
karakteristik masing2 variabel yg diteliti
 Data numerik : nilai mean, median,
standar deviasi, nilai minimal-maksimal
 Data katagorik : frekwensi, prosentase

22. ANALISIS BIVARIAT
 Setelah diketahui karakteristik masing2
variabel dpt diteruskan analisis lanjut
 Analisis hubungan antar dua variabel,
misal : hubungan antara berat badan
dengan tekanan darah

23. ANALISIS MULTIVARIAT
 Analisis yang menghubungkan antara
beberapa variabel independen dengan
satu variabel dependen

24. ANALISIS UNIVARIAT
 PERINGKASAN DATA UNTUK DATA JENIS
NUMERIK
1. Ukuran tengah : mean, median, modus
a. Mean : ukuran rata2, hasil dari
jlh semua nilai pengukuran dibagi
banyaknya pengukuran
X = Σ Xi / n

25. Contoh nilai mean :
 5 pasien, lama hari rawatnya :
1 hari, 3 hari, 4 hari, 2 hari, 90 hari
 Mean = (1+3+4+2+90)/5 = 20 hari
 Kekurangannya : Sangat ditentukan
oleh nilai ekstrim (tdk mewakili data yg
sesungguhnya)

26. 2. Median
 Hanya mempertimbangkan urutan nilai dari
pengukuran
 Besar beda antar nilai diabaikan, shg tdk
dipengaruhi oleh nilai ekstrim
 Langkah penghitungan :
data diurutkan dari kecil ke besar
Hitung posisi median dgn rumus (n+1)/2
Hitung nilai mediannya
 6 mahasiswa : 20 th, 26 th, 30 th, 24 th, 40 th,
36 th. Berapa nilai mediannya ?

27. 3. Mode/Modus
 Nilai pengamatan yg mempunyai
frekwensi/jlh terbanyak
 Data : 18 th, 22 th, 21 th, 20 th, 23 th,
20 th
 Mode-nya adalah 20 tahun

28. Bentuk distribusi data bdsk pada
nilai mean, median & modus
 Bila nilai mean, median & modus
sama/berhimpit : bentuk distribusi datanya
normal
 Bila nilai mean>median>modus : bentuk
distribusi datanya menceng/miring ke kanan
 Bila nilai mean < median <modus : Bentuk
distribusi datanya menceng/miring ke kiri

29. Ukuran Variasi
 Standard Deviasi
Data yg diukur melalui
penyimpangan/deviasi dari nilai-nilai
pengamatan thd nilai mean-nya
 Rata-rata hitung dari kuadrat deviasi thd
mean disebut : VARIAN, dg Rumus :
Varian : Σ (Xi – X) ²
n-1

30. Suatu ukuran variasi yg memp satuan yg
sama dgn satuan pengamatan yaitu :
standard deviasi
 Standard deviasi mrpk akar dari varian :
S atau Sd = √Σ (Xi – X) ²
n-1
 Semakin besar SD maka semakin
besar variasinya

31. Contoh :
ada 5 orang dengan BB 48,
52,56,62,67
berapa simpang bakunya !

32. no x Mean
deviasi
(xi-x)
1 48 9
2 52 5
3 56 1
4 62 5
5 67 10
Jumlah Σ 285 Σ 30
Varian
(xi-x)²
81
25
1
25
100
Σ 232

33. Mean X = Σ Xi / n
= 48+52+56+62+67/5
= 57
Mean deviasi = (X-X)
= 9+5+1+5+10/5 = 6 kg
Varian V(S ²) = Σ (Xi – X) ²
n-1
= 81+25+1+25+100
n-1
= 58
Standar deviasi = √ V(S ²) = √Σ (Xi – X) ²
n-1
= √58
= 7,6 kg

34. 2. Peringkasan data katagorik
• Distribusi frekwensi : dengan ukuran
persentase atau proporsi

35. ANALISIS BIVARIAT
• Berbagai uji statistik yg digunakan untuk
analisis bivariat :
Variabel I Variabel II Jenis uji
statistik
Katagorik Katagorik -Kai kuadrat
-Fisher Exact
Katagorik Numerik -Uji T
-ANOVA
Numerik Numerik -Korelasi
-Regresi

36. UJI CHI-SQUARE ( X 2
)
DIGUNAKAN JIKA :
• UNTUK UJI PERBANDINGAN /
ASSOSIASI
• SKALA PENGUKURAN NOMINAL /
ORDINAL

37. UJI CHI-SQUARE ( X2
) UNTUK
TABEL 2 x 2
• DALAM HAL INI SUATU SAMPEL
DIAMBIL DARI POPULASI BIVARIAT
YANG TIDAK NORMAL YANG TERDIRI
DARI DUA VARIABEL DAN TIAP
VARIABEL DIBAGI MENJADI DUA
KATAGORI, JIKA DIBAWA KE DALAM
BENTUK TABEL DIPEROLEH TABEL
KONTIGENSI 2 x 2

38. Pertimbangan memakai chi
square
1. JIKA n > 40 GUNAKAN ( X2 ) DENGAN
KOREKSI KONTINYUITAS (YATES
CORRECTED )
2. JIKA n 20 – 40, JIKA SEMUA NILAI
EXPECTED ( E ) LIMA ATAU LEBIH
GUNAKAN ( X2 ) DENGAN KOREKSI
KONTINYUITAS, TETAPI JIKA TERDAPAT
NILAI E < 5 GUNAKAN UJI FISHER ( fisher
exact )
3. JIKA n < 20 , GUNAKAN UJI FISHER EXACT
UNTUK KASUS APAPUN.

39. RUMUS
( )
( )( )( )( )dbcadcba
n
bcadn
X
++++




−−
=
2
2 2
Keputusan hipotesis :
H0 ditolak jika X2
Hit > X2
tabel

40. Contoh
Apakah ada pengaruh pemberian
makanan tambahan dengan
status gizi balita di kecamatan
samarinda hilir tahun 2004. data
hasil penelitian diperoleh
seperti table di bawah ini

41. PMT STATUS GIZI Jumlah
BAIK BURUK
CUKUP 20 (a) 10 (b) 30
( a + b )
KURANG 25 (c) 40 (d) 65
( c + d )
TOTAL 45
( a + c )
50
( b + d )
95
(a + b + c + d)

42. FISHER EXACT
( a + b ) ! (c + d ) ! ( a + c ) ! ( b + d ) !
ρ =
n ! a! b! c! d!
kreteria keputusan
• Ho ditolak jika ρ < α

43. Petugas puskesmas melakukan
penelitian untuk mengetahui
hubungan status gizi dengan
kejadian kecacingan pada murid
SD 007 samarinda. Data
dikumpulkan dengan melakukan
wawancara pada murid kelas 5
dan 6. hasilnya sebagai berikut

44. STATUS
GIZI
KECACINGAN Jumlah
YA TIDAK
KURANG 6 5 11
CUKUP 4 7 11
TOTAL 10 12 22

45. UJI McNEMAR
Tujuan : untuk menguji perbedaan dari dua
sampel berhubungan
Syarat :
1. Variabel mempunyai skala nominal
2. Penelitiannya menggunakan desain Pre-
Post Treatment ( sebelum dan sesudah
perlakuan )

46. UJI McNEMAR
( a - d )2
X2
M =
( a + d )
criteria keputusan :
Ho ditolak jika X2
M > X2
T

47. CONTOH
suatu penelitian untuk mengetahui apakah ada pengaruh
penyuluhan terhadap pengetahuan KB akseptor
dengan α 0.025
penelitian dengan sample sebanyak 33 orang. sebelum
penyuluhan diperoleh data pengetahuan tentang KB,
pengetahuan kurang sebanyak 8 orang, pengetahuan
cukup sebanyak 25orang. Setelah penyuluhan diperoleh
data. Pengetahuan kurang sebanyak 13 orang dan
pengetahuan cukup 20 orang. Dari 8 pengetahuan yang
cukup setelah penyuluhan diperoleh 3 pengetahuan
kurang dan 5 pengetahuan cukup. Apakah penyuluhan
berpengaruh terhadap pengetahuan KB responde

48. Sebelum
penyuluhan
Sesudah penyuluhan
Kurang Cukup
Kurang 3 5
Cukup 10 15
( 3 - 15 ) 2
144
X2
M
= = = 8
( 3 + 15 ) 18

49. Tugas : apakah ada pengaruh penyuluhan
pra operatif terhadap kemampuan untuk
melakukan latihan napas dalam dan batuk
efektif pasca operatif. Data di bawah ini
Pra
operatif
Pasca operatif
Mampu Tidak
mampu
Mampu 7 4
Tidak
mampu
14 5

50. ODDS RATIO
• Tujuan :
Untuk mengetahui berapa besar risiko
variable bebas ( penyebab) dapat
menyebabkan kejadian pada variable
terikat ( akibat )

51. FAKTOR
RISIKO
KASUS KONTROL JUMLH
TERPAPAR a b a + b
TIDAK
TERPAPAR
c d c + d
JUMLAH a + c b + d a + b + c + d
OR =
bxc
axd
Keterangan :
a. = jumlah kasus yang terpapar
b = jumlah control yang terpapar
c = jumlah kasus yang tidak terpapar
d = jumlah control yang tidak terpapar

52. Interpretasi nilai :
< 1 = nilai protektif
> 1 = berisiko terhadap
kejadian
1 = tidak ada efek

53. BERAPA BESAR RISIKO PEROKOK TERKENA
KANKER PARU DATA DI BAWAH INI ?
FAKTOR
RISIKO
KANKER
PARU
TIDAK
KANKER
PARU
JUMLAH
PEROKOK 35 20 55
TIDAK
PEROKOK
15 40 55
JUMLAH 50 60 110

54. Kesimpulan :
PEROKOK MEMILIKI RISIKO TERKENA KANKER
PARU 4, 66 KALI DIBANDING ORANG YANG TIDAK
PEROKOK ( CASE CONTROL & CROSS SECTIONAL)
KOHORT (RR)=RELATIF RISK
bxc
axd
OR =
66,4
1520
4035
==
x
x
OR

55. UJI T TEST
STUDENT’S t TEST ( UJI t )
PERTAMA KALI DITEMUKAN OLEH
W.S. GOSSET PADA TAHUN 1908
DENGAN NAMA SAMARAN
STUDENT. PRINSIP PENGGUNAAN
UJI t TEST ADALAH UNTUK
MEMBUKTIKAN SIGNIFIKAN ATAU
TIDAKNYA DUA NILAI RATA-RATA.

56. SYARAT-SYARAT
PENGGUNAAN UJI T
 MEMPUNYAI SKALA
INTERVAL DAN RASIO
 SIMPANG BAKUNYA TIDAK
DIKETAHUI
 DATA DISTRIBUSINYA
NORMAL

57. UJI T INI DIBEDAKAN ATAS
DUA KELOMPOK
1. UJI T SATU SAMPEL
2. UJI T UNTUK SAMPEL YANG
BERHUBUNGAN ( SEBELUM
DAN SESUDAH t TEST ) ATAU DUA
SAMPEL YANG BERPASANGAN
(PAIRED t TEST )

58. UJI T SATU SAMPEL
TUJUAN UNTUK
MEMBANDINGKAN NILAI RATA-
RATA SAMPEL DENGAN NILAI
RATA-RATA POPULASI SEBAGAI
STANDAR

59. RUMUS
nS
X
tHitung
µ−
=
X ; nilai rata rata sample
: nilai rata rata populasi
S : simpang baku
n : besar sample
µ

60. Kriteria penerimaan hipotesa
 Ho gagal ditolak bila :
T hit. < T ( 1 - α ) ( n – 1 )
 Bila menggunakan program komputer
( p ) > α
Jika α = 0,05. Ho gagal ditolak jika
probabilitasnya ( p ) > 0,05

61. Contoh :
Masyarakat mengeluh bahwa kadar
nikotin rokok A diduga melebihi kadar
normal, untuk membuktikan ini diambil
sample 10 batang yang kadarnya 22, 21,
19, 19, 21, 22 ,22, 21, 22 dan 25. α
yang digunakan adalah 0,05.
apakah rokok a memang memiliki
kandungan nikotin lebih dari 20 mg

62. Nilai t Hit
20,2
59,0
3,1
10
88,1
203,21
==
−
=tHitung

63. t TABEL
t ( 1 - α ) ( n – 1 )
t ( 1- 0,05 ) ( 10 – 1 )
t ( 0.95 )( 9 ) akan dihasilkan 1, 83
cara membacanya lihat tabel uji t pada t
0,95 pada baris ke 9.

64. Kesimpulan
KARENA t Hit > t Tabel ( 2,20 > 1,83 )
maka :
KADAR NIKOTIN PADA ROKOK A
LEBIH DARI 20 mg

65. UJI t UNTUK SAMPEL YANGBERHUBUNGAN
( SEBELUM DAN SESUDAH t TEST ) ATAU
DUA SAMPEL YANG BERPASANGAN ( PAIRED
t TEST)
n
S
d
tHitung =
n
d
d
i∑=
( )
( )1
22
2
−
−
=
∑ ∑
nn
ddn
S
i
d = selisih nilai rata-rata
S = standart deviasi

66. contoh :
sebanyak 10 orang wanita peserta KB
dengan menggunakan depoprovera
sebagai kontrasepsinya. 6 bulan sebelum
memakai kontrasepsi diukur tekanan
sistolnya dan sesudah 6 bulan diukur
tekanan sistoliknya. Ingin diketahui
apakah ada perbedaan tekanan darah
sistolik sebelum dan sesudah ber KB.
Diketahui α 0,05